Crowdworking: Einflüsse der Arbeitsbedingungen auf die ... · übernehmen. Die Gruppe von...

Working Paper

Crowdworking: Einflüsse der Arbeitsbedingungen auf die Motivation der Crowd Worker

Camilla Feldmann, Paul Hemsen, Nicole Giard

Kontakt: Dr. Nicole Giard Universität Bielefeld Universitätsstr. 25 33615 Bielefeld E‐Mail: nicole.giard@uni‐bielefeld.de

Gefördert durch:

Working Paper 1 FS Digitale Zukunft

Das Wichtigste in Kürze

Crowdworking ist eine neue Form der Arbeitsorganisation, bei der über eine Online‐Plattform

Arbeitsaufgaben anhand eines offenen Aufrufs an eine heterogene Gruppe – die Crowd – vergeben

werden. Ebenso wie in jedem anderen Arbeitsverhältnis ist es auch im Crowdworking wichtig, faire

und motivierende Arbeitsbedingungen zu schaffen, um bestmögliche Ergebnisse aus der

Zusammenarbeit zu erzielen.

Es gibt erst wenige Studien zu den Arbeitsbedingungen bzw. der Motivation von Crowd Workern. In

diesem Working Paper werden die Ergebnisse von 20 Studien, die sich mit den Arbeitsbedingungen

auf verschiedenen Crowdworking‐Plattformen beschäftigen, zusammengefasst. Die vergleichende

Analyse hat gezeigt, dass es hinsichtlich der Arbeitsbedingungen große Unterschiede zwischen den

verschiedenen Plattformtypen gibt. Die Ergebnisse lassen sich nur teilweise verallgemeinern.

Die herrschende Autonomie, die zu bearbeitenden Aufgaben sowie die Möglichkeiten zur

Weiterbildung durch die Arbeit selbst haben motivierende Einflüsse auf die Crowd Worker. Es gibt eine

hohe intrinsische Motivation für die Tätigkeit auf Crowdworking‐Plattformen.

Unzufrieden hingegen sind viele Crowd Worker mit der Höhe der Vergütung und den angewandten

Bewertungssystemen. Die Rolle der Vergütung für die Motivation ist allerdings komplex. Die großen

Unterschiede zwischen den Plattformtypen bestehen letztendlich in den geforderten Kompetenzen.

Damit verbunden sind unterschiedliche Erwartungen an die Arbeitsbedingungen. Die Anreize, auf

Crowdworking‐Plattformen aktiv zu sein, sind somit nicht nur an den Verdienstmöglichkeiten

ausgerichtet.

Da diese Arbeitsform künftig noch weiter an Bedeutung gewinnen wird, ist es wichtig, dass die

Plattformbetreiber zufriedenstellende Arbeitsbedingungen etablieren. Um die Motivation der Crowd

Worker zu erhalten bzw. zu verbessern, sollten die Auftraggeber zu leistungsgerechter Entlohnung

angehalten werden. Außerdem sollten nicht nur Auftraggeber, sondern auch die Crowd von den

Bewertungssystemen auf den Plattformen profitieren können.


Inhalt 1 Einleitung ......................................................................................................................................... 3

2 Crowdworking ................................................................................................................................. 5

Der Begriff des Crowdworking ........................................................................................................ 5

Der Crowdworking‐Prozess ............................................................................................................. 6

Der Crowdworking‐Markt ............................................................................................................... 7

3 Relevanz der Arbeitsbedingungen für die Motivation .................................................................... 9

4 Arbeitsbedingungen auf Crowdworking‐Plattformen ................................................................... 11

Identifizierung der Arbeitsbedingungen ....................................................................................... 11

Arbeitsbedingungen auf Microtask‐Plattformen .......................................................................... 12

Arbeitsbedingungen auf Marktplatz‐Plattformen ......................................................................... 13

Arbeitsbedingungen auf Testing‐Plattformen ............................................................................... 14

Arbeitsbedingungen auf Design‐Plattformen ............................................................................... 14

Vergleich zu den Arbeitsbedingungen bei herkömmlicher Arbeit ................................................ 14

5 Motivation der Crowd Worker ...................................................................................................... 16

6 Ergebnisse zum Einfluss der Arbeitsbedingungen auf die Motivation von Crowd Workern ........ 17

Flexibilität ...................................................................................................................................... 19

Wettbewerb .................................................................................................................................. 19

Vergütung ...................................................................................................................................... 19

Vorgaben ....................................................................................................................................... 21

Zukunftsaussichten ........................................................................................................................ 21

Überwachungsmechanismen ........................................................................................................ 21

Äußere Rückmeldung .................................................................................................................... 21

Beziehungen .................................................................................................................................. 22

Aufgaben ....................................................................................................................................... 22

Weiterbildungsmöglichkeiten ....................................................................................................... 23

Autonomie ..................................................................................................................................... 24

Intrinsisches Motivationspotential nach dem Job Characteristics Model .................................... 24

Zusammenfassung ......................................................................................................................... 24

7 Fazit ............................................................................................................................................... 26

Implikationen für Auftraggeber und Plattformbetreiber .............................................................. 26

Ausblick für die zukünftige Forschung .......................................................................................... 27

8 Anhang .......................................................................................................................................... 28

Datenbasis ..................................................................................................................................... 28

Detailergebnisse für einzelne Arbeitsbedingungen ...................................................................... 31

Zusammenfassung der Ergebnisse ................................................................................................ 39

Literaturverzeichnis ............................................................................................................................... 40


1 Einleitung

Das Ziel des Forschungsschwerpunkts „Digitale Zukunft“ ist es, die wissenschaftlichen Grundlagen für

ein Gesamtkonzept für Arbeitgeber, Arbeitnehmer, Selbstständige und Privatpersonen zu entwickeln,

um sie bei der aktiven Gestaltung des digitalen Wandels zu unterstützen. Unsere Forschung basiert auf

einem integralen Konzept. Diesem Forschungsansatz folgend identifizieren wir, wo der digitale Wandel

stattfindet, wollen seine Mechanismen verstehen und Methoden erarbeiten, um Menschen in der

Berufswelt und im Privatleben vorzubereiten und zu begleiten.

Die Digitalisierung ist ein technologischer Prozess, der zu revolutionären Veränderungen in allen

Lebensbereichen führt. Hinter diesem Oberbegriff verbergen sich sehr heterogene Entwicklungen.

Beispielsweise wird die durch die digitale Technik ermöglichte hohe Flexibilität im Arbeitsleben sowohl

negativ, als ständige Erreichbarkeit und Entgrenzung von Arbeit, als auch positiv, als Zeitsouveränität

mit neuen Freiheiten und Möglichkeiten, wahrgenommen. Eine einheitliche Bewertung der

Auswirkungen sowie Trendprognosen zu den vom digitalen Wandel betroffenen Lebensbereichen und

Geschäftsmodellen sind außerordentlich schwer.

Fast unbeachtet ist bislang, dass die technischen Entwicklungen auch aktive Gestaltungsmöglichkeiten

für eine moderne und erwachsene Form des digitalen Lebens und Arbeitens eröffnen. Es existieren

Studien zur Reife und den möglichen Folgen der Digitalisierung von Prozessen. Es lässt sich jedoch kein

eindeutiger Trend zu den Beschäftigungseffekten feststellen. Das heißt, es sind nicht die technischen

Innovationen, die deterministisch eine bestimmte Richtung und Ausformung des digitalen Wandels

erzwingen, sondern vielmehr zeichnet sich eine Pluralität und Gestaltbarkeit zukünftiger (Arbeits‐

)Welten ab. In den Projekten des Forschungsschwerpunkts werden die Gestaltungsmöglichkeiten einer

digitalen Zukunft untersucht und dabei sowohl die Potentiale als auch die Risiken adäquat

berücksichtigt.

In interdisziplinären Teams arbeiten Wissenschaftlerinnen und Wissenschaftler der Universitäten

Paderborn und Bielefeld, in der Startphase aus den Bereichen Betriebswirtschaft, Elektrotechnik,

Informatik, Psychologie und Soziologie, zusammen. Diese fächerübergreifende Arbeit schafft die

Voraussetzungen für einen neuen Zugang zur den möglichen zukünftigen Szenarien. Die enge

Kooperation von unterschiedlichen Fachexperten erlaubt somit eine umfassende Erforschung der

verschiedenen Komponenten sozio‐technischer Systeme – und zwar nicht nur isoliert für einzelne

Aspekte, sondern in den jeweiligen systemischen Zusammenhängen.

Die voranschreitende Digitalisierung bietet Unternehmen die Möglichkeit, von innovativen

Arbeitsmodellen zu profitieren. Hierzu zählt auch das Crowdworking. Dieses beschreibt die

Auslagerung von unternehmensinternen Aufgaben, in der Regel über die organisationseigenen

Grenzen hinaus, an die breite Masse an Menschen, die Crowd. Die Organisation erfolgt hierbei über

Online‐Plattformen, die häufig von einer dritten Partei betrieben werden.

Unklar ist bisher die Wirkung dieser neuen Arbeitsform auf den Menschen. Im Rahmen des

Forschungsschwerpunkts sollen aus unterschiedlichen Perspektiven die Wahrnehmung, Risiken und

Möglichkeiten von Crowdworking untersucht werden. Darüber hinaus sollen arbeitsgestalterische

Merkmale auf der Aufgabenebene analysiert werden, um ein besseres Verständnis für diese neue

Arbeitsform und dahinterliegenden Mechanismen zu entwickeln.

Beim Crowdworking handelt es sich um eine äußerst flexible Arbeitsform, bei der die Crowd Worker

Arbeitszeit, ‐ort und ‐umfang sowie die Art der Aufgaben, die sie bearbeiten, selbst bestimmen


können. Häufig ist die Arbeit auf Crowdworking‐Plattformen durch Wettbewerb geprägt, sodass eine

Vergütung der gelieferten Arbeit oftmals nicht gesichert ist. Die Motive der Crowd Worker sind sowohl

extrinsischer als auch intrinsischer Natur. Neben der Aussicht auf Vergütung sind weitere Gründe, sich

im Crowdworking zu betätigen, der Spaß an der Arbeit selbst sowie die eigenen Kompetenzen

auszubauen.

Das vorliegende Working Paper fasst auf Basis einer umfassenden Literaturrecherche die Ergebnisse

von 20 verschiedenen Studien zu den herrschenden Arbeitsbedingungen auf Crowdworking‐

Plattformen und deren Einfluss auf die Motivation der Crowd Worker zusammen.

Nach einer umfassenden Darstellung des Crowdworking als Arbeitsform sowie der aktuellen

Marktsituation wird anschließend die Bedeutung von Arbeitsbedingungen für die Motivation eines

Arbeitnehmers dargestellt. Anschließend werden die Arbeitsbedingungen für verschiedene

Plattformtypen analysiert. Die verschiedenen Motive zur Betätigung im Crowdworking werden

untersucht, das Zusammenspiel von Arbeitsbedingungen und Motivation im Crowdworking betrachtet

sowie die Erkenntnisse aus den identifizierten Studien dargestellt. Diese dienen als Grundlage, um

Implikationen für Auftraggeber und Plattformbetreiber sowie für die weitere Forschung aufzuzeigen.

Im Anhang befindet sich eine ausführliche tabellarische Übersicht zu den betrachteten Studien.


2 Crowdworking

Der Begriff des Crowdworking Unter Crowdworking versteht man eine bestimmte Ausprägung des Crowdsourcing. Bei dem Begriff

Crowdsourcing handelt es sich um einen Neologismus aus den Wörtern Crowd und Outsourcing, der

im Jahre 2006 durch Jeff Howe geprägt wurde (Brabham, 2013, XVIIf.). Estellés‐Arolas und González‐

Ladrón‐de‐Guevara (2012) konnten im Rahmen einer Studie insgesamt 40 unterschiedliche

Definitionsansätze für den Begriff Crowdsourcing erfassen und haben diese systematisch analysiert

und kombiniert. Bei einer genauen Analyse aller Definitionen lassen sich drei Hauptbestandteile

identifizieren: der Initiator bzw. Auftraggeber, die Crowd und der Prozess. Sie fassen ihre Erkenntnisse

zu folgender Definition zusammen:

Crowdsourcing ist eine Form von partizipativer Online‐Aktivität bei der ein Individuum, eine

Institution, eine Wohltätigkeitsorganisation oder ein Unternehmen – der Auftraggeber – einer Gruppe

von Individuen anhand eines flexiblen offenen Aufrufs vorschlägt, eine Aufgabe freiwillig zu

übernehmen. Die Gruppe von Individuen, die Crowd, ist von unterschiedlichem Wissensstand,

heterogen und unterschiedlich groß. Die Übernahme der Aufgabe, die von variabler Komplexität und

Granularität sein kann, erfolgt durch die Crowd, in dem sie Arbeit, Geld, Wissen und/oder Erfahrung

einbringt. Dies erfolgt stets zum beidseitigen Vorteil. Der Auftragnehmer erfährt die Befriedigung eines

Bedürfnisses, sei es ökonomisch, durch soziale Anerkennung, Steigerung des Selbstwerts oder die

Entwicklung von individuellen Fähigkeiten. Der Aufraggeber erhält und nutzt zu seinem Vorteil den

Beitrag, der durch den Auftragnehmer im Projekt erbracht wird. Die Form des Vorteils hängt von der

Art der Tätigkeit ab (Estellés‐Arolas & González‐Ladrón‐de‐Guevara, 2012, S. 197–198).1

Zentraler Aspekt des Crowdsourcing ist, dass das Konzept auf der Technologie des Internets beruht

(Brabham, 2008a, S. 8). Diese neue Arbeitsform ermöglicht es, dass Aufgaben asynchron und dezentral

ausgeführt werden können (Blohm, Leimeister & Zogaj, 2014, S. 51).

Der Prozess des Crowdsourcing erfolgt stets über Online‐Plattformen, welche oftmals von einer dritten

Partei, dem Intermediär, gestellt werden, jedoch auch vom Auftraggeber selbst etabliert sein können.

Folgende Charakteristiken müssen demnach erfüllt sein, um als Crowdsourcing‐Plattform eingestuft

zu werden (Estellés‐Arolas & González‐Ladrón‐de‐Guevara, 2012, S. 198):

Es gibt eine klar definierte Crowd.

Es existiert eine Aufgabe mit einem klaren Ziel.

Die Entschädigung der Crowd ist klar.

Der Auftraggeber ist klar identifiziert.

Die Kompensation des Auftraggebers ist klar definiert.

Es ist eine partizipative Online‐Aktivität.

Es erfolgt ein offener Aufruf mit variablem Ausmaß.

Das Internet wird verwendet.

Crowdsourcing‐Plattformen lassen sich weiterhin unterscheiden, hinsichtlich ihrer Ausrichtung (intern

oder extern), der Art der Arbeit (wettbewerbs‐ oder zusammenarbeitsbasiert) sowie dahingehend, ob

die Arbeit vergütet wird oder nicht (siehe Abbildung 1). Auf intern ausgerichteten Plattformen werden

die Aufgaben nicht ausschließlich der zuständigen Abteilung des jeweiligen Unternehmens zur

Bearbeitung freigegeben, sondern der gesamten Belegschaft. Bei externem Crowdsourcing werden die

1 Eigene Übersetzung


Aufgaben über die Unternehmensgrenzen hinaus ausgelagert (Leimeister & Zogaj, 2013, S. 63).

Arbeiten mehrere Personen an einem Projekt gemeinsam, handelt es sich um

zusammenarbeitsbasiertes Crowdsourcing. Das kann so aussehen, dass eine Aufgabe von mehreren

Personen zeitgleich bearbeitet wird. Oder eine Person macht ihre Lösung öffentlich zugänglich und

diese wird von weiteren Crowd‐Mitgliedern bearbeitet und ergänzt. Der wettbewerbsbasierte Ansatz

lässt sich nochmals in ergebnis‐ und zeitorientierten Wettbewerb unterteilen. Beim

ergebnisorientierten Wettbewerb bearbeiten mehrere Crowd‐Mitglieder in Konkurrenz zueinander

eine Aufgabe. Der Auftraggeber wählt anschließend aus, welche Lösung seinen Anforderungen

entspricht und folglich wird derjenige, der diese Lösung eingereicht hat, entlohnt. Der zeitbasierte

Wettbewerb zeichnet sich dadurch aus, dass ein online gestellter Auftrag von demjenigen bearbeitet

werden darf, der diese Aufgabe als erstes annimmt (Blohm et al., 2014, 59f).

Abbildung 1: Arbeitsformen im internen und externen Crowdsourcing (in Anlehnung Leimeister/Zogaj 2013: 63)

Im vorliegenden Working Paper wird der Begriff Crowdwork für bezahlte Tätigkeiten auf externen

Crowdsourcing‐Plattformen verwendet. Diese werden dementsprechend als Crowdworking‐

Plattformen bezeichnet, die Mitglieder der Crowd als Crowd Worker.

Der Crowdworking‐Prozess Trotz der unterschiedlichen Gegebenheiten auf verschiedenen Crowdworking‐Plattformen lässt sich

im Crowdworking‐Prozess ein einheitliches Muster erkennen. So lässt sich eine vereinfachte

schematische Darstellung eines idealtypischen Arbeitsablaufes einer Crowdworking‐Initiative

abbilden. Die Schnittmenge aller Crowdworking‐Initiativen liegt in der Auslagerung einer

Aufgabe/eines Problems auf eine Crowdworking‐Plattform (intern oder extern) und dessen

Bearbeitung durch einen Crowd Worker. Die Schritte bezüglich der Auswahl des Crowd Workers, die

Aufgabenabwicklung, Aggregation und Auswahl der Lösungen sowie dessen Vergütung hängen stark

von dem jeweiligen Typen an Crowdworking‐Plattform ab. Eine idealtypische Darstellung eines

Crowdworking‐Prozesses zeigt die Abbildung 2.


Abbildung 2: Idealtypischer Arbeitsablauf einer Crowdworking‐Initiative (Leimeister/Zogaj 2013: 35)

Die obige schematische Darstellung wird entsprechend geprägt durch die Planung, der

Implementierung, der Steuerung und der Kontrolle der jeweiligen Crowdworking‐Initiativen. Die im

Allgemeinen zu treffenden Entscheidungen lassen sich dem unteren fünfphasigen Modell entnehmen

(Abbildung 3).

Abbildung 3: Phasenmodell einer Crowdworking‐Initiative (Leimeister et al. 2016: 31)

Der Crowdworking‐Markt Globalen Betrachtungen zufolge, hat das Crowdworking und die einhergehende Möglichkeit der

Einkommensgenerierung den Schritt aus seinem Nischendasein geschafft. Nach Schätzungen der

Weltbank wird das globale Umsatzvolumen von durch Crowdworking erbrachten Dienstleistungen im


Jahr 2016 auf ca. 4,8 Mrd. USD geschätzt (Kuek et al., 2015). Der größte Anteil wird durch Freelancer‐

Plattformen erzeugt (ca. 4,4 Mrd. USD). Microtask‐Plattformen sind nur mit einem Anteil von ca. 0,4

Mrd. USD beteiligt. Zudem wird ein anhaltender steigender Trend bis 2020 bis zu einem

Umsatzvolumen von 15‐25 Mrd. USD prognostiziert (Kuek et al., 2015). Besonders interessant ist, dass

der größte Teil durch einige wenige Plattformen getragen wird (Kuek et al., 2015). So werden 50% des

Freelancer‐Marktes durch die drei Plattformen Upwork, Freelancer und Witmart dominiert. Mit 80%

des Microwork‐Marktes, dominieren die zwei Plattformen Amazon Mechanical Turk und Crowdflower

(Kuek et al., 2015).

Für den deutschen Raum gestalten sich die Schätzungen bezüglich der durch Crowdworking erbrachten

Dienstleistungen etwas schwieriger. Die Unternehmen, die Crowdworking‐Plattformen betreiben,

haben häufig keine Publikationspflichten für ihre Geschäftszahlen. Diese können lediglich geschätzt

werden. Mrass und Peters (2017) haben durch eine Befragung von deutschen Plattform‐Anbietern

einige vorsichtige Schätzungen zum deutschen Crowdworking‐Markt gewonnen. Demzufolge betrug

der direkt zuordenbare Umsatz aller Crowdworking‐Plattformen in Deutschland für 2016 ca. 45 Mio.

EUR. In dieser Zahl sind die an die Crowd Worker ausgezahlten Vergütungen nicht enthalten. Der

insgesamt abgewickelte Umsatz wird für den deutschen Markt für 2016 auf ca. 200 Mio. Euro geschätzt

(Mrass & Peters, 2017, S. 22).

Die Zahlen lassen vermuten, dass es sich beim Crowdworking, bezogen auf Deutschland, noch nicht

um ein sehr umsatzkräftiges Phänomen handelt (Mrass & Peters, 2017, S. 22). Trotz des noch geringen

Volumens in Deutschland, werden von den Plattformen hohe zweistellige Umsatzzuwächse über die

Jahre ausgewiesen, sodass ein weiteres Wachstum des Marktes zu erwarten ist.


3 Relevanz der Arbeitsbedingungen für die Motivation

Aus unterschiedlichen Gründen nehmen Menschen Arbeit auf. Wie eine Person ihre Arbeit

wahrnimmt, ob sie motivierend wirkt und die Person anspornt, gute Arbeit zu leisten, hängt

maßgeblich von den herrschenden Arbeitsbedingungen ab. Hierbei sind äußere Faktoren ebenso zu

betrachten wie die Arbeit an sich.

Unter Arbeitsbedingungen versteht man jegliche Gegebenheiten, welche im Arbeitsprozess einen

Einfluss auf das Arbeitsverhalten, die Ergebnisse oder auf die Person an sich haben.

Arbeitsbedingungen setzen sich aus vertraglichen Vereinbarungen zwischen Arbeitgeber und ‐nehmer,

zwischenmenschlichen Beziehungen sowie dem Arbeitsumfeld zusammen (Berufsverband Deutscher

Psychologinnen und Psychologen e.V.).

Hinter jeglichem Verhalten, das der Verfolgung eines Zweckes dient, steht Motivation (Deci & Ryan,

1993, S. 224), die sowohl intrinsischer als auch extrinsischer Natur sein kann. Intrinsische Motivation

treibt eine Person allein wegen der Tätigkeit an sich zum Handeln an, während extrinsische Motivation

durch äußere Gegebenheiten wie beispielsweise Anerkennung oder Entlohnung hervorgerufen wird

(Frey & Jegen, 2001, S. 591). Herzbergs Zwei‐Faktoren‐Theorie zu Folge, führt das Vorhandensein

extrinsisch motivierender Faktoren, sogenannter Hygienefaktoren, dazu, dass der Mensch nicht

unzufrieden ist. Jedoch erst inhaltsbezogene Motivatoren können bei einer Person zu

Arbeitszufriedenheit führen (Kauffeld & Schermuly, 2011, S. 182), sowie diese zu mehr und besserer

Leistung anspornen (Hackman & Oldham, 1976, S. 251). Die Arbeitsmotivation resultiert dabei aus dem

Zusammenspiel von Motiven (1) und Anreizen (2).

(1) Bei Motiven handelt es sich um Werte und Einstellungen, die fest in einer Person verankert sind,

(2) während Anreize Merkmale einer Situation darstellen, die diese Motive anregen können (Kauffeld

& Schermuly, 2011, S. 186).

Turner und Lawrence (1965, zitiert nach Hackman & Lawler, 1971, 260f.) identifizierten

Abwechslungsreichtum, Autonomie, Interaktion, Verantwortung sowie benötigte Kompetenzen als

diejenigen Eigenschaften von Arbeit, die maßgeblich beeinflussen, wie motivierend und

zufriedenstellend diese ist. Diese Erkenntnisse als Grundlage nehmend, ermittelten Hackman und

Lawler (1971, 265ff.), dass vier Faktoren der Arbeitsgestaltung wesentliche Auslöser von Zufriedenheit,

intrinsischer Motivation sowie Performance des Arbeitsnehmers sind. Es handelt sich dabei um

Autonomie, herausfordernde Abwechslung, Feedback sowie Ganzheitlichkeit der Aufgabe.

In Anlehnung daran, entwickelten Hackman und Oldham (1976) das Job Characteristics Model. Dieses

dient dieser Arbeit als Grundlage, um zu verstehen, welche Faktoren einen motivierenden Einfluss auf

Crowd Worker haben. Das Job Characteristics Model beschreibt drei Wahrnehmungszustände von

Arbeit durch den Arbeitnehmer, die intrinsische Motivation anregen. Hierzu zählen das eigene Wissen

über die Ergebnisse, die wahrgenommene persönliche Verantwortlichkeit für die Aufgabe sowie die

eigens erlebte Bedeutsamkeit der Arbeit. Ob und in welchem Maße Wissen, Verantwortung und

Bedeutsamkeit einer Aufgabe subjektiv wahrgenommen werden, ist abhängig von der Gestaltung der

Arbeit. Die Bedeutsamkeit der Arbeit setzt sich dabei aus den Merkmalen Anforderungsvielfalt,

Ganzheitlichkeit sowie Wichtigkeit der Aufgabe zusammen, während Wissen aus Feedback und

wahrgenommene Verantwortlichkeit aus Autonomie resultiert. Das Zusammenspiel aller genannten

Faktoren maximiert die intrinsisch generierte Motivation des Arbeitnehmers. Dabei müssen

mindestens eines der Merkmale Anforderungsvielfalt, Ganzheitlichkeit und Bedeutung, sowie die

Merkmale Autonomie und Rückmeldung aus der Aufgabe gegeben sein, um intrinsische Motivation

erzeugen zu können (Hackman & Oldham, 1976, S. 255). Ob die Gestaltung von Aufgaben im Sinne


dieses Modells tatsächlich einen starken positiven Einfluss auf die Arbeitszufriedenheit und Motivation

einer Person hat, hängt jedoch immer von der Person selbst und ihrem Bedürfnis, sich

weiterzuentwickeln, ab (Hackman & Oldham, 1975, S. 160). Manche Charaktere bevorzugen durchaus

das Bearbeiten eher repetitiver und wenig herausfordernder Aufgaben (Hackman & Oldham, 1976,

S. 274).

Extrinsische Anreize können sowohl positive als auch negative Auswirkungen auf die intrinsische

Motivation haben. Nach der Selbstbestimmungstheorie von Deci und Ryan (1993, 229ff.) strebt der

Mensch nach Autonomie, Kompetenz sowie sozialer Eingebundenheit. Arbeitsbedingungen, die alle

drei Faktoren fördern, beeinflussen die intrinsische Motivation also positiv. Die von Deci und Ryan

entwickelte Cognitive Evaluation Theory betrachtet äußere Gegebenheiten wie Vergütung,

Sanktionen, Feedback und Bearbeitungszeit der Aufgaben und deren Einfluss auf die intrinsische

Arbeitsmotivation (Borst, 2010, 21f.). Diesbezüglich fand Deci (1972, S. 119) heraus, dass Vergütung

die intrinsische Motivation schmälert, während bestärkendes Feedback und Anerkennung sich positiv

auswirken. Weitere Studien ergaben, dass neben der Vergütung bzw. materiellen Entlohnung auch

Bewertungssysteme, Auszeichnungen und das Androhen von Strafen als Kontrollmechanismen

wahrgenommen werden, die die Autonomie schmälern und sich somit negativ auf die intrinsische

Motivation auswirken (Deci & Ryan, 1993, S. 230). Der Einsatz extrinsischer Anreize führt oftmals dazu,

dass Arbeit nicht mehr wegen der Arbeit an sich ausgeübt wird, sondern die Performance nun abhängig

von der finanziellen Vergütung ist (Deci, 1972, 113f.). Wird intrinsische Motivation durch extrinsische

ersetzt, führt das eine Reduktion der Leistung herbei. Erst bei ausreichend hoher Kompensation steigt

die Performance wieder auf das Niveau, das bei rein intrinsisch motivierter Tätigkeit erzielt wird (Frey

& Jegen, 2001, 593f.). Diese Erkenntnis ist kritisch zu betrachten. Auch externe Einflüsse auf die Arbeit

können als Unterstützung wahrgenommen werden und somit die intrinsische Motivation positiv

beeinflussen (Frey & Jegen, 2001, S. 595).

Kernmerkmale der Aufgabe

Anforderungsvielfalt

Ganzheitlichkeit

Bedeutung

Autonomie

Rückmeldung

Kritische psychische Zustände

Erlebte Bedeutsamkeit

Erlebte Verantwortlichkeit

Wissen über Ergebnisse

Auswirkungen

Intrinsische Arbeitsmotivation

Arbeitsleitung

Arbeitszufriedenheit

Absentismus und Fluktuation*

*negativer Einfluss

Abbildung 4: Job Characteristics Model in Anlehnung an Hackman & Oldham, 1976, S. 256


4 Arbeitsbedingungen auf Crowdworking‐Plattformen Crowdworking‐Plattformen bieten in Zeiten ökonomischer Unsicherheit vielen Menschen eine

Beschäftigung, die ansonsten keine finden würden (Silberman, Irani & Ross, 2010, S. 43). Jedoch,

ebenso wie in jedem anderen Arbeitsverhältnis auch, sind die kreierten Arbeitsbedingungen

maßgebend für die Motivation und das Verhalten der Crowd (Gegenhuber, 2013, S. 83) und

schlussendlich auch für die Qualität der abgelieferten Arbeit (Liu, Xia, Zhang & Wang, 2016, S. 2250).

Je nach Art von Aufgaben und Vergütung, lassen sich verschiedene Plattformtypen unterscheiden.

Dabei nehmen unterschiedliche Autoren unterschiedliche Einteilungen vor. Leimeister, Zogaj, Durward

und Blohm (2016, S. 42) unterscheiden vier Arten von Crowdworking‐Plattformen, die auf einem

wettbewerbsbasierten Ansatz beruhen, sowie eine fünfte Plattformart, die jedoch oftmals durch

Zusammenarbeit der Crowd Worker geprägt ist. Die Plattformen werden in Microtask‐, Marktplatz‐,

Testing‐, Design‐ (alle wettbewerbsbasiert) sowie Innovations‐Plattformen (zusammenarbeitsbasiert)

unterteilt. Eine ähnliche Aufteilung wird auch von Kaganer, Carmel, Hirschheim und Olsen (2013, S. 25–

27) vorgenommen, allerdings werden hier Designplattformen nicht gesondert, sondern gemeinsam

mit Innovationsplattformen als solche Plattformen betrachtet, auf denen ein kreativer Wettbewerb

herrscht.

Die Betrachtung der Arbeitsbedingungen im Crowdworking geschieht im vorliegenden Working Paper

entsprechend der Einteilung von Leimeister und Zogaj et al. (2016). Dies hat den Hintergrund, dass

Leimeister, Durward und Zogaj (2016) eine Studie zum Arbeiten auf externen Crowdworking‐

Plattformen in Deutschland vorgenommen haben, welche die unterschiedlichen Bedingungen auf den

vier erstgenannten Plattformen sehr gut darstellt. Diese Aufteilung bietet sich außerdem an, da die

Plattformen innerhalb eines Clusters sich hinsichtlich der dort herrschenden Arbeitsbedingungen recht

ähnlich sind (Leimeister, Durward et al., 2016, S. 18). Crowdworking‐Plattformen, auf denen ein

zusammenarbeitsbasierter Ansatz herrscht, werden nicht weiter betrachtet, da die

Arbeitsbedingungen schwer mit denen auf wettbewerbsbasierten Plattformen zu vergleichen sind.

Weiterhin wird nur externes Crowdworking, dass über einen Intermediär zustande kommt, betrachtet.

Dies dient der Vergleichbarkeit der herrschenden Arbeitsbedingungen miteinander, da diese im

unternehmensinternen Crowdworking der Organisation angepasst und der Belegschaft bekannt sind,

während eine externe Plattform für alle Parteien ein unbekanntes Arbeitsumfeld aufweist. In diesem

Kapitel werden zunächst Arbeitsgegebenheiten identifiziert, die charakteristisch für Crowdworking‐

Plattformen im Allgemeinen sind, bevor anschließend auf die einzelnen Besonderheiten der oben

genannten, wettbewerbsbasierten Plattformtypen eingegangen wird. Schlussendlich wird

zusammenfassend hervorgehoben, in welchen Merkmalen sich diese Arbeitsbedingungen von denen

in klassischen Beschäftigungsverhältnissen unterscheiden.

Identifizierung der Arbeitsbedingungen

Die nachfolgende Analyse der Arbeitsbedingungen bezieht sich lediglich auf Plattformen, die extern

ausgerichtet sind, einen wettbewerbsbasierten Ansatz verfolgen sowie monetäre Anreize für die

Crowd Worker setzen. Die Betrachtung erfolgt also für Microtask‐, Marktplatz‐, Testing‐ und Design‐

Plattformen.

In jeder Crowdworking‐Beziehung stellt die Plattform das Arbeitsumfeld der Crowd Worker dar, da

über diese jegliche Kommunikation und Interaktion zwischen Auftraggeber und Crowd Worker

abgewickelt wird (Leimeister & Zogaj, 2013, S. 49). Hier werden also die Arbeitsbedingungen für die

Crowd gestaltet. Crowdworking zeichnet sich durch seine umfassende Flexibilität aus (Aloisi, 2016,


S. 653). Diese betrifft nicht nur Arbeitszeit und ‐ort, sondern auch die freie Wahl der Aufgaben an sich

(Bertschek, Ohnemus & Viete, 2015, S. 9). Das Arbeiten auf Crowdworking‐Plattformen ist jedoch auch

von Unsicherheiten geprägt. Diese beziehen sich vornehmlich auf die Vergütung, die nur ausgezahlt

wird, wenn der Auftraggeber mit der Arbeit zufrieden ist (Blohm et al., 2014, S. 62), und auf die eigene

berufliche Zukunft auf der Plattform (Deng, Joshi & Galliers, 2016, S. 288).

Um den Auftraggeber vor Unsicherheit und minderwertiger Arbeit zu schützen ( Fan, Li, Ooi, Tan &

Feng, 2015, S. 1015; Leimeister, Durward et al., 2016, S. 70), sind Überwachungssysteme und

Kontrollmechanismen auf Crowdworking‐Plattformen keine Seltenheit (Aloisi, 2016, S. 662).

Screenshots, das Aufzeichnen der Arbeitszeit oder das Untermischen von Testaufgaben sind nur einige

mögliche Maßnahmen, um die Arbeit der Crowd zu überprüfen (Kaganer et al., 2013, 25,30). Doch

auch die Crowd kann von den Kontrollmechanismen profitieren, da diese bewirken, dass die geleistete

Arbeit auch tatsächlich vergütet wird. In manchen Fällen bekommt die Crowd auch Feedback über

diese Kontrollmechanismen vermittelt (Leimeister, Durward et al., 2016, S. 70). Weiterhin

charakteristisch für viele Plattformen sind Bewertungs‐ und Reputationsmechanismen (Klotz,

Baumann & Marfurt, 2016, S. 61). Diese sehen auch innerhalb der gebildeten Plattformcluster recht

unterschiedlich aus. Auf einigen Plattformen werden die Rangplatzierungen der Crowd Worker auf

ihren Profilen angezeigt (Leimeister, Durward et al., 2016, S. 63).

Außerdem gibt es bei allen vier Plattformtypen oftmals sogenannte „Communities“, die das soziale

Miteinander der Crowd stärken, indem sie den Crowd Workern ermöglichen, sich untereinander

auszutauschen und sich gegenseitig zu helfen (Aloisi, 2016, S. 680).

Die Aufteilung von Plattformen in vier Cluster erfolgte, da trotz der soeben betrachteten

Gemeinsamkeiten vieler Plattformen, sich auch einige clusterspezifische Arbeitsbedingungen

erkennen lassen, welche nachfolgend betrachtet werden.

Arbeitsbedingungen auf Microtask‐Plattformen

Auf Microtask‐Plattformen werden Aufgaben in mehrere kleine, voneinander unabhängige

Einzelaufgaben unterteilt und an die Crowd zur Bearbeitung freigegeben (Gegenhuber, 2013, S. 21).

Dies führt dazu, dass die Crowd Worker nur eingeschränkt Informationen über die Aufgabe erhalten,

da sie nicht wissen, wie das Projekt, in dem die Aufgabe eingebettet ist, als Ganzes aufgebaut ist (Deng

et al., 2016, S. 288; Felstiner, 2011, S. 156; Leimeister, Durward et al., 2016, S. 67). Daher ist es äußerst

wichtig, die Aufgabenstellung möglichst konkret und spezifisch zu formulieren, um qualitativ

hochwertige Lösungen zu erhalten (Deng et al., 2016, S. 297; Kittur, Chi & Suh, 2008, S. 455). Die

Aufgabentypen auf Microtask‐Plattformen sind ziemlich simpel (Gassmann, 2010, S. 16; Leimeister,

Durward et al., 2016, S. 18) sowie schnell zu erledigen und setzen daher meist keine besonderen

Qualifikationen der Crowd voraus (Leimeister, Durward et al., 2016, S. 18). Das Transkribieren von

Audiodateien, Recherche oder das Verfassen kurzer Texte zählen zu diesen Aufgaben (Bertschek et al.,

2015, S. 2). Unternehmen lassen diese Mikroaufgaben durch die Crowd erledigen, da diese von

Computern nicht oder nur sehr schwer zu lösen sind (Irani & Silberman, 2014, S. 32; Kaganer et al.,

2013, S. 26; Kittur et al., 2008, S. 453). Aufgrund des repetitiven Charakters dieses Aufgabentypus,

werden die Aufträge in der Regel sehr gering (Leimeister, Zogaj & Blohm, 2014, S. 20) und stückweise

vergütet (Felstiner, 2011, S. 155; Morghen, 2012, S. 28) und die vor Bearbeitung unentgeltlich zu

investierende Zeit ist äußerst gering (Bertschek et al., 2015, S. 8). Die Vergütung wird vom

Auftraggeber vorgegeben und fällt insofern leistungsabhängig aus, dass Auftraggeber Aufgaben, die

nicht zufriedenstellend erledigt werden, ablehnen dürfen und diese folglich auch nicht vergüten (Ho,

Slivkins, Suri & Wortman Vaughan, 2015, S. 419). Die Arbeit auf Microtask‐Plattformen ist außerdem


durch starke Informationsasymmetrien geprägt, da die Plattformbetreiber detaillierte Profile über die

Crowd Worker erhalten, die Crowd jedoch kaum Informationen über den Auftraggeber erhält

(Felstiner, 2011, S. 156). Die auf diesen Plattformen herrschende Wettbewerbsform ist zeitorientiert,

da die Aufgabe meist an den ersten Crowd Worker vergeben wird, der sie bearbeiten möchte

(Leimeister, Durward et al., 2016, S. 18). Es gibt jedoch auch Plattformen, auf denen die Aufgaben den

Crowd Workern automatisch zugeteilt werden (Deng & Joshi, 2016, S. 650).

Die wohl populärste und größte Plattform für Microtasks ist Amazon Mechanical Turk (AMT) (Felstiner,

2011, S. 161). Hier wird veröffentlicht, wie oft die Arbeiten eines Crowd Workers angenommen und

abgelehnt werden, wobei eine geringe Annahmequote die Chancen für den Crowd Worker, an weitere

Aufgaben zu gelangen, schmälert (Deng & Joshi, 2016, S. 653; Ho et al., 2015, S. 421; Silberman et al.,

2010, 39f). Problematisch anzusehen ist hierbei, dass die Auftraggeber nicht verpflichtet sind,

Ablehnungen zu begründen und darüber hinaus die fertiggestellte, abgelehnte Aufgabe sowie die

Rechte daran einbehalten können (Aloisi, 2016, S. 667; Felstiner, 2011, 191f). Außerdem können

Auftraggeber auch Turker2 auswählen, um ihnen gänzlich den Zugang zu ihren Aufgaben zu verwehren

(Brady & Bigham, 2015, S. 18). Wie die Turker vergütet werden, wird von AMT auch nicht reguliert.

Zwar empfiehlt die Plattform, mindestens 0,10$ pro Minute zu zahlen, schlussendlich obliegt die

Entscheidung jedoch immer dem Auftraggeber, wodurch die Vergütung oftmals um einiges geringer

ausfällt (Deng et al., 2016, S. 290). AMT bietet außerdem die Möglichkeit, dass Auftraggeber

Bonuszahlungen vergeben, wenn die geleistete Arbeit besonders zufriedenstellend war (Brady &

Bigham, 2015, S. 297; Ho et al., 2015, S. 421). Bei der Vergabe der Aufgaben können die Auftraggeber

prinzipiell auf drei verschiedene Weisen vorgehen. Eine Aufgabe kann jeweils an einen Turker

vergeben werden, eine Reihe von Aufgaben wird hintereinander von einem einzelnen Turker

abgearbeitet oder es wird eine Aufgabe parallel von mehreren Turkern bearbeitet. Die letzte Form der

Aufgabenbearbeitung wird oftmals gewählt, um eine höhere Qualität der generierten Lösungen zu

erhalten (Brady & Bigham, 2015, S.295,304).

Verschiedene Instanzen arbeiten kontinuierlich daran, die Arbeit auf Crowdworking‐ Plattformen

gerechter zu gestalten. Eine von Irani und Six Silberman 2008 durchgeführte Befragung unter Turkern

ergab, dass die Arbeit auf AMT immer wieder durch mangelnde Kommunikation, sowohl seitens der

Auftraggeber als auch von Seiten der Plattformbetreiber, sowie Unsicherheiten bei der Vergütung,

Betrug, geringe Bearbeitungszeiten und auch ungerechtfertigtes Ablehnen der Aufgaben geprägt ist

(Felstiner, 2011, S. 156; Irani & Silberman, 2014, S. 33). Daraufhin entwickelten Silberman et al. (2010,

41f) das Add‐on Turkopticon, das der herrschenden Informationsasymmetrie entgegenwirkt, indem

Turker die Möglichkeit erhalten, hier öffentlich die Auftraggeber zu bewerten.

Arbeitsbedingungen auf Marktplatz‐Plattformen

Auf Marktplatz‐Plattformen wird die Crowd kreativ und entwickelt eigenständig Ideen oder Produkte,

die dann über diese Plattformen verkauft werden (Gassmann, 2010, S. 21). Die benötigten

Qualifikationen der Crowd variieren je nach Aufgabentyp (Kaganer et al., 2013, S. 28). Es werden

sowohl recht simple Tätigkeiten, wie das Schreiben einer einfachen Codezeile, als auch komplexere

Aufgaben, wie die Entwicklung patentierbarer Produkte, vergeben (Felstiner, 2011, S. 150). Allgemein

lässt sich jedoch festhalten, dass die Aufgaben auf Marktplatz‐Plattformen von höherer Komplexität

sind, als diejenigen, die auf Microtask‐Plattformen bearbeitet werden. Sie nehmen außerdem häufig

den Charakter längerfristiger Projekte an und die Arbeitsform weist insgesamt einige Parallelen zum

2 Turker ist die Bezeichnung für Crowd Worker, die auf AMT tätig sind.


Freelancing auf. Da für einige Aufgabentypen spezifische Qualifikationen benötigt werden, können die

Auftraggeber häufig vorselektieren, welche Crowd Worker zur Bearbeitung der Aufgabe zugelassen

werden. Daher ist es für die Crowd Worker auf Marktplatz‐Plattformen besonders wichtig, ihr Profil

gut gepflegt zu halten und einen gewissen Rang auf der Plattform zu erreichen (Leimeister, Durward

et al., 2016, S. 63). Wie die Benennung dieses Plattformtyps vermuten lässt, erinnern Plattformen wie

Crowd Guru an Marktplätze; die Crowd Worker stehen in regem Kontakt mit ihren Auftraggebern

(Leimeister, Durward et al., 2016, 18f). Entsprechend wird die Arbeit der Crowd Worker auf solchen

Plattformen besser vergütet (Leimeister, Durward et al., 2016, S. 46). Dies bringt aber auch eine

stärkere Überwachung der Crowd und ihrer Tätigkeiten auf der Plattform mit sich (Blohm et al., 2014,

S. 58).

Arbeitsbedingungen auf Testing‐Plattformen

Auf Testing‐Plattformen, wie zum Beispiel Testbirds, verbringen Crowd Worker ihre Zeit meist damit,

Projektabläufe, Dienstleistungen und Produkte zu überprüfen oder auf Leistung und Qualität zu testen.

Es handelt sich dabei um recht komplexe Aufgaben (Leimeister, Durward et al., 2016, S. 20), wobei

auch hier der Prozess, zum Beispiel einer Softwareentwicklung, in mehrere Bestandteile zergliedert

wird, sodass jeder Crowd Worker die Aufgaben bearbeiten kann, die seinen spezifischen Fähigkeiten

entsprechen. Die Arbeit auf Testing‐Plattformen nimmt oftmals einen ergebnisorientierten

Wettbewerbscharakter an (Kaganer et al., 2013, S. 27). Die Vergütung wird, je nach Plattform und

Auftraggeber, erfolgsabhängig oder fix ausgezahlt (Leimeister, Durward et al., 2016, S. 20).

Arbeitsbedingungen auf Design‐Plattformen

Auf Design‐Plattformen werden verschiedenste Gestaltungsaufgaben vergeben (Leimeister, Durward

et al., 2016, S. 20). Die Arbeitsbeziehungen zwischen Crowd Workern und Auftraggebern erinnern an

eine digitale Form des Freelancing. Auf diesen Plattformen herrscht oftmals ein ergebnisorientierter

Wettbewerb, bei dem nur ein einziger Crowd Worker schlussendlich prämiert wird (Araujo, 2013;

Gegenhuber, 2013, S. 75). Seine Vergütung fällt dementsprechend hoch aus (Apt, Bovenschulte,

Hartmann & Wischmann, 2016, S. 7; Leimeister, Durward et al., 2016, S. 46) und kann auch oftmals

vom Crowd Worker selbst festgelegt werden (Leimeister, Durward et al., 2016, S. 20). Jedoch

regulieren die Plattformbetreiber oftmals nicht, was mit den nicht ausgewählten Lösungen passiert,

wodurch diese dann vom Auftraggeber unentgeltlich einbehalten werden können (Leimeister,

Durward et al., 2016, S. 75). Auf der Plattform crowdSPRING beispielsweise können sich die

Auftraggeber unter allen eingereichten Lösungen aussuchen, welche sie verwenden möchten

(Felstiner, 2011, S. 159). Oftmals können die eingereichten Lösungen von anderen Crowd Workern auf

der Plattform eingesehen und teils auch bewertet werden (Araujo, 2013). Die auf Design‐Plattformen

aktive Crowd zeichnet sich dadurch aus, dass sie spezielle Kenntnisse und Fähigkeiten für einen Bereich

mitbringt (Kaganer et al., 2013, S. 25) und somit kreative und anspruchsvollere Aufgaben mit hoher

Qualität absolvieren kann. Dementsprechend findet auf diesen Plattformen oftmals eine Vorauswahl

der Crowd aufgrund von abgelieferten Arbeiten sowie Fähigkeiten aber auch unter Beachtung der

eigens durch die Crowd Worker erstellten Nutzerprofile sowie ihres Ranges, den sie auf der Plattform

innehaben, durch den Auftraggeber statt (Leimeister, Durward et al., 2016, 19f).

Vergleich zu den Arbeitsbedingungen bei herkömmlicher Arbeit Herkömmliche bzw. normale Arbeit wird vom Statistischen Bundesamt folgendermaßen definiert:

„Unter einem Normalarbeitsverhältnis wird ein abhängiges Beschäftigungsverhältnis verstanden, das

in Vollzeit oder in Teilzeit ab 21 Wochenstunden und unbefristet ausgeübt wird. Ein


Normalarbeitnehmer arbeitet zudem direkt in dem Unternehmen, mit dem er einen Arbeitsvertrag

hat. […] Arbeitnehmerinnen und Arbeitnehmer mit Normalarbeitsverhältnis sind voll in die sozialen

Sicherungssysteme wie Arbeitslosenversicherung, Rentenversicherung und Krankenversicherung

integriert (Statistisches Bundesamt 2017).“

Im Folgenden werden die wesentlichen Unterschiede der Arbeit im Crowdworking zu normaler Arbeit

aufgezeigt. Die Eintrittsbarrieren für die Arbeit auf Crowdworking‐Plattformen sind äußerst gering und

so erhalten Menschen, die auf dem freien Arbeitsmarkt aus den unterschiedlichsten Gründen keine

Anstellung suchen bzw. finden, die Möglichkeit, ein eigenes Einkommen zu generieren (Deng et al.,

2016, S. 286). Die Arbeit über Plattformen unterscheidet sich zum einen durch die ausgeprägte

Flexibilität und Selbstbestimmung von herkömmlicher Arbeit. So bekommen die Crowd Worker keine

von Vorgesetzten delegierten Aufgaben zur Bearbeitung, die für gewöhnlich nicht ohne weitere Folgen

abgelehnt werden können (Gegenhuber, 2013, S. 6), sondern können vielmehr selbst entscheiden,

welche Aufgaben sie bearbeiten und in welchem Umfang ( Blohm et al., 2014, S. 60; Felstiner, 2011,

S. 154). Pelzer, C., Wenzlaff und Eisfeld‐Reschke (2012, S. 76) zufolge, sind 65% der Normalangestellten

der Meinung, dass sie unter flexibleren Arbeitszeiten produktiver arbeiten könnten.

Ein weiterer elementarer Unterschied ist, dass Crowd Worker nach deutschem Recht nicht als

Angestellte gelten und daher auch keinen gesetzlichen Arbeitsschutz genießen (Felstiner, 2011,

S. 156). Als Selbstständige müssen sich Crowd Worker folglich auch eigenverantwortlich um ihre

soziale Absicherung kümmern (Busshoff, 2016). Tatsächlich ist die deutsche arbeitsrechtliche

Regulierung nicht auf das Modell des Crowdworking ausgelegt und somit ist kritisch zu betrachten, ob

die rechtliche Einordnung von Crowd Workern als Selbstständige sinnvoll und richtig ist oder ob Crowd

Worker in eine Art Scheinselbstständigkeit gedrängt werden, die zu einem unsicheren

Arbeitsverhältnis führt. In Deutschland erhalten die Crowd Worker über das Internet

gewerkschaftliche Unterstützung der IG Metall (http://faircrowd.work/de/) sowie von ver.di

(http://www.ich‐bin‐mehr‐wert.de/support/cloudworking/).

Die Vergütung der Crowd Worker variiert zwar stark je nach Plattform‐ und Aufgabentyp (Leimeister,

Durward et al., 2016), insgesamt lässt sich jedoch feststellen, dass, unabhängig von der Plattform, die

Arbeiten im Crowdworking geringer vergütet werden als qualitativ gleichwertige Lösungen auf dem

freien Arbeitsmarkt. Weiterhin stellt Brabham (2008a, S. 83) heraus, dass „die geistige Arbeit, die die

Crowd Worker leisten, einiges mehr wert ist, als [dafür] gezahlt wird.“ Da für gleich(wertig)e Arbeit auf

Crowdworking‐Plattformen also weniger gezahlt wird, kann man generell davon sprechen, dass die

Vergütung im Crowdworking eher ungerecht ist. Wird Crowdworking außerdem als

Hauptverdienstquelle genutzt, so muss wesentlich mehr Arbeitszeit investiert werden, um ein

ausreichendes Einkommen zu erzielen, als dies in einem herkömmlichen Arbeitsverhältnis der Fall

wäre.


5 Motivation der Crowd Worker

Die Gründe, auf Crowdworking‐Plattformen aktiv zu werden (und zu bleiben), sind vielfältig, wobei die

Einkommensgenerierung wohl den primären Anreizfaktor darstellt (Blohm et al., 2014, S. 60; Deng &

Joshi, 2016). Rogstadius et al. (2011, S. 328) ermittelten außerdem, dass mehr Arbeit durch den

einzelnen Crowd Worker geleistet wird, je höher das Einkommen ist. Weiterhin sind es oft intrinsische

Motive, die zum Crowdworking bewegen, wie Selbstverwirklichung, der Spaß an der Arbeit selbst oder

die Möglichkeit, durch die Arbeit die eigenen Kompetenzen auszubauen. Tabelle 1 gibt einen Überblick

über die Vielzahl an Motivatoren, die im Crowdworking herrschen.

Intrinsische Anreize für Crowdworking

Selbstver‐wirklichung

Leimeister, Huber, Bretschneider & Krcmar, 2009, S. 203

Spaß Al‐Ani & Stumpp, 2015, S. 20; Borst, 2010, S. 16; Deng & Joshi, 2016; Leimeister et al., 2009, S. 203

Weiter‐entwicklung von Fähigkeiten

Al‐Ani & Stumpp, 2015, S. 20; Borst, 2010, S. 16; Deng & Joshi, 2016; Leimeister et al., 2009, S. 206; Rogstadius et al., 2011

Autonomie Blohm et al., 2014, S. 60; Kleemann, Voß & Rieder, 2009, S. 17; Pelzer, C. & Burgard‐Arp, 2017, 124f

Extrinsische Anreize für Crowdworking

Anerken‐nung

Gassmann, 2010, S. 62; Leimeister et al., 2009, S. 203; Zheng, Li & Hou, 2011

Vergütung Al‐Ani & Stumpp, 2015, S. 20; Brabham, 2008b; Deng & Joshi, 2016; Leimeister et al., 2009, S. 205; Zheng et al., 2011

Selbst‐marketing

Leimeister et al., 2009, S. 205; Rogstadius et al., 2011

Austausch mit ande‐ren CW

Brabham, 2010; Kleemann et al., 2009, S. 20

Flexible Arbeits‐gestaltung

Bertschek et al., 2015, S. 9; Pelzer, C. & Burgard‐Arp, 2017, S. 127

Beitrag leisten

Deng & Joshi, 2016; Rogstadius et al., 2011

Tabelle 1: Intrinsische und extrinsische Anreize für das Crowdworking (Quelle: eigene Darstellung)

Die Flexibilität, sich auszusuchen wann, wo und an welchen Aufgaben man arbeitet, ist in anderen

Beschäftigungsverhältnissen nicht in solch einem Ausmaß gegeben und stellt daher für viele Menschen

einen Anreiz dar, im Crowdworking tätig zu werden. Intrinsischer Beweggrund, sich auf Crowdworking‐

Plattformen zu betätigen, ist beispielsweise die Selbstbestimmung, die Crowdworking mit sich bringt.

Auch die Aussicht, einen Beitrag für die Gesellschaft leisten zu können, ist für einige Crowd Worker

motivierend (Deng et al., 2016, S. 286). Partizipiert eine Person erst einmal auf so einer Plattform als

Crowd Worker, so gibt es verschiedene Faktoren im Arbeitsumfeld, die die Motivation, weiterhin aktiv

als Crowd Worker tätig zu sein, beeinflussen.


6 Ergebnisse zum Einfluss der Arbeitsbedingungen auf die Motivation von Crowd

Workern

Im Rahmen einer Literaturrecherche konnten 20 Studien ausfindig gemacht werden, welche die

Arbeitsbedingungen auf Crowdworking‐Plattformen untersuchen. Diese eher geringe Anzahl von

Studien ist auf die Neuartigkeit und Aktualität des Phänomens Crowdworking zurückzuführen. Der

Zeitraum, in dem die identifizierten Studien veröffentlicht wurden, erstreckt sich auf die Jahre 2008

bis 2016. Nicht alle Studien gehen explizit auf die Einflüsse der Arbeitsbedingungen auf die Motivation

ein, sondern betrachten die Zufriedenheit der Crowd Worker und/oder den Einfluss auf die Qualität

der Arbeit.3 Immerhin 19 der Studien betrachten den Einfluss einiger Arbeitsbedingungen auf die

Motivation.4 Die aus den Studien gewonnenen Erkenntnisse setzen sich aus qualitativen und

quantitativen Erhebungen zusammen. Insgesamt konnten 13 Befragungen (davon sechs quantitativer

Art), zwei Datenanalysen sowie sieben Experimente identifiziert werden. Tabelle 2 verdeutlicht,

welche Arbeitsbedingungen von den Studien untersucht wurden. Es wird ersichtlich, dass viele der

quantitativen Studien nicht den direkten Einfluss der Arbeitsbedingungen auf die Motivation

ermitteln.5 Daher werden bei der nachfolgenden Analyse von Zusammenhängen zwischen

Arbeitsbedingungen und Motivation der Crowd die identifizierten qualitativen Studien ebenso

miteinbezogen wie die quantitativen.

Als extrinsische Anreize wurden die Flexibilität, der Wettbewerb, die Vergütung, die Vorgaben durch

die Crowdworking‐Plattform bzw. den Auftraggeber, die Zukunftsaussichten, die Überwachung, die

äußere Rückmeldung sowie die Beziehungen zu Auftraggeber und Plattformbetreiber untersucht. Die

Flexibilität bezieht sich auf die äußeren Umstände bei der Aufgabenbearbeitung, beschreibt also die

Wahlfreiheit von Arbeitszeit, ‐ort sowie Art und Umfang der Aufgaben. Die formellen Vorgaben durch

den Auftraggeber, wie beispielsweise die vorgegebene Bearbeitungszeit oder die Formulierung der

Aufgabenstellung, wurden mit den Vorgaben der Plattform zu einem Cluster Vorgaben

zusammengefasst. Weitere Cluster entstehen aus der Zusammenfassung von Bewertungssystemen,

Feedback und Wertschätzung durch die Plattform (äußere Rückmeldung) sowie von dem Verhältnis

zu Auftraggeber bzw. Plattformbetreiber und der Unterstützung und Betreuung durch den

Plattformbetreiber (Beziehungen6).

Aufgabencharakteristika, Weiterbildungsmöglichkeiten und Autonomie resultieren aus der Aufgabe

selbst, stimulieren also die intrinsische Motivation der Crowd Worker. Unter Aufgaben werden die

Arbeitsbedingungen erfasst, die sich auf die Inhalte, den Anspruch sowie den Zweck der Aufgaben

beziehen. Die Inhalte beeinflussen hierbei, ob die Crowd Worker ein persönliches Interesse an der

Aufgabe haben, Spaß beziehungsweise Freude bei der Bearbeitung empfinden und ob die Arbeit

abwechslungsreich wahrgenommen wird. Für den letzten Punkt lässt sich nicht nur die Vielseitigkeit

innerhalb einer Aufgabe, sondern auch zwischen verschiedenen Aufgaben(typen), die auf der

jeweiligen Plattform bearbeitet werden können, betrachten. Der Anspruch lässt sich aus der

Komplexität der Aufgabe sowie den zur Bearbeitung nötigen Kompetenzen ermitteln. Hierbei spielen

3 Die Qualität der geleisteten Arbeit wird in Tabelle 4 als „Performance“ der Crowd Worker beschrieben. 4 Die Motivation zum Crowdworking wird hier anhand der Partizipation an einer Aufgabe sowie der Quantität eingereichter Lösungen innerhalb einer Aufgabe erfasst. 5 Ausnahmen ergeben sich für die Gegebenheiten Vergütung und Aufgaben. Für die Vergütung untersuchten elf Studien quantitativer Art den Zusammenhang von Arbeitsbedingung und Motivation, für Aufgaben liegen neun quantitative Studien vor. 6 Zusammenfassung der Arbeitsbedingungen „Betreuung auf der Plattform“, „Hilfeleistung bei Problemen“ und „Bemühen des Plattformbetreibers um Wohlergehen der Crowd“.


sowohl der Grad an benötigter Qualifikation als auch das Vereinbaren unterschiedlicher Kompetenzen

eine Rolle. Der Zweck der Aufgabe setzt sich aus der Organisation, für die die Aufgabe erledigt wird

(beispielsweise ein gewinnorientiertes Ölunternehmen oder eine Non‐Profit‐Organisation) und aus der

Möglichkeit, mit Bearbeitung der Aufgabe einen Beitrag für die Gesellschaft oder Wissenschaft zu

leisten, zusammen. Als Weiterbildungsmöglichkeiten werden hier ausschließlich die intrinsischen

Möglichkeiten zur Kompetenzsteigerung betrachtet, also solche, die direkt aus der Bearbeitung der

Aufgabe resultieren. Dies schließt mögliche von der Plattform angebotene

Qualifizierungsmöglichkeiten wie Schulungen aus. Im Gegensatz zur Flexibilität beschreibt die

Autonomie die Selbstbestimmung in der Bearbeitung der Aufgabe selbst. Autonomie bezieht sich also

auf die Freiheiten bei der Einteilung der Arbeit und der gewählten Vorgehensweise (Kauffeld &

Schermuly, 2011, S. 188).

Arbeitsbedingung Anzahl Studien

davon quantitativ

davon die Auswirkungen auf die Motivation betrachtend7

Extrinsisch

Flexibilität 5 1 0

Wettbewerb 3 1 1

Vergütung 17 12 11

Vorgaben

AGBs der Plattform

Vorgaben durch Auftraggeber

1

2

1

2

0

1

Zukunftsaussichten 3 1 0

Überwachungsmechanismen 1 0 0

äußere Rückmeldung

Bewertungssysteme

Feedback

Wertschätzung

3

2

3

2

1

2

2

1

1

Beziehungen

Verhältnis zu Auftraggeber

Verhältnis zu Plattformbetreiber

Unterstützung und Betreuung durch

Plattformbetreiber

2

2

1

1

1

1

0

0

0

Intrinsisch Aufgaben 15 10 9

Weiterbildungsmöglichkeiten 10 5 4

Autonomie 5 2 2

Tabelle 2: Untersuchte Arbeitsbedingungen und ihr Einfluss auf die Motivation (Quelle: eigene Darstellung)

Eine detaillierte Auflistung der einzelnen Studien und der untersuchten Bedingungen ist im Anhang in

Tabelle 3 zu finden. Auffällig ist, dass die überwiegende Mehrheit der Erhebungen auf Microtask‐

7 Spalte 4 listet die Anzahl an Studien auf, die sowohl quantitativer Art sind, als auch explizit die Auswirkungen der jeweiligen Arbeitsbedingung auf die Motivation der Crowd Worker untersucht haben.


Plattformen (Mi) durchgeführt wurde, hier vornehmlich Amazon Mechanical Turk.8 Einige Erkenntnisse

liegen auch für Design‐Plattformen (De) vor.9 Für andere Arten von Crowdworking‐Plattformen liegen

insgesamt nur zwei Studien vor.

In Weiteren werden zunächst die aus den betrachteten Studien ermittelten Ergebnisse bezüglich

Wahrnehmung der Arbeitsbedingungen, ihr motivierender Einfluss sowie teilweise auch der Einfluss

auf die Leistung der Crowd Worker analysiert. Im Anhang sind die einzelnen Ergebnisse der Studien in

der Tabelle 4 sowie eine Zusammenfassung dieser für Microtaskt‐ und Design‐Plattformen in Tabelle

5 zu finden.

Flexibilität Die Flexibilität, die auf Crowdworking‐Plattformen vorherrscht, wird zwar nur von fünf Studien

betrachtet, doch die Ergebnisse hierzu sind eindeutig. Flexibilität wird von Crowd Workern, aktiv auf

allen vier Plattformtypen, positiv wahrgenommen (Al‐Ani & Stumpp, 2015; Deng et al., 2016, S. 286;

Deng & Joshi, 2016, S. 657; Leimeister, Durward et al., 2016). Für Microtask‐, Design‐ und Testing‐

Plattformen wurde außerdem ermittelt, dass Flexibilität einen deutlich positiven Einfluss auf die

Motivation der Crowd Worker hat (Al‐Ani & Stumpp, 2015; Bertschek et al., 2015, S. 9; Deng & Joshi,

2016).

Wettbewerb Die Zufriedenheit der Crowd mit dem herrschenden Wettbewerb unterscheidet sich stark auf den

verschiedenen Plattformtypen. Es liegen drei Studien vor, die den Einfluss des wettbewerbsbasierten

Arbeitens auf die Motivation der Crowd betrachten. Al‐Ani und Stumpp (2015) fanden bei ihrer

Befragung von Crowd Workern auf einer Testing‐Plattform heraus, dass das Arbeiten im Wettbewerb

durchaus positiv wahrgenommen wird und auch anspornt, also einen positiven Einfluss auf die

Motivation hat. Auf der Microtask‐Plattform AMT gaben nur knapp über 5% der befragten Crowd

Worker an, durch den Wettbewerb motiviert zu werden (Ipeirotis, P. G., 2008). Auf der Design‐

Plattform 12designer hingegen, gaben 23% der Befragten an, dass sie der Wettbewerb gar

demotiviere, da zu viele Crowd Worker in einem Contest aktiv seien und somit der Wettbewerb zu

groß und die Gewinnchance zu gering sei (Missling, 2011). Diese Unterschiede im Wahrnehmen von

Wettbewerb können teilweise auf die unterschiedlichen Wettbewerbsbedingungen auf den

Plattformen zurückgeführt werden. So ist der Wettbewerb auf Microtask‐ und Testing‐Plattformen

vornehmlich zeitorientiert, während auf Design‐Plattformen häufig ein ergebnisorientierter

Wettbewerb herrscht. Ergebnisorientierter Wettbewerb übt einen hohen Druck auf die Crowd Worker

aus, da zunächst die Leistung erbracht werden muss und der einzelne Crowd Worker erst nach Abgabe

der Lösung erfährt, ob seine Arbeit vergütet oder in sonstiger Art und Weise belohnt wird. Daher ist es

nicht erstaunlich, dass fast ein Viertel der Befragten Crowd Worker auf 12designer die

Wettbewerbssituation demotivierend findet.

Vergütung Die Vergütung im Crowdworking wurde von einem Großteil der Studien untersucht und immerhin elf

der quantitativen Studien betrachten den Einfluss der Vergütungssituation auf die Motivation. Es zeigt

sich, dass die Crowd auf Microtask‐Plattformen eher unzufrieden mit der Höhe des Entgelts ist,

während die Crowd Worker auf Marktplatz‐, Design‐, und Testing‐ Plattformen mäßig zufrieden damit

sind. Insgesamt sind viele Crowd Worker der Meinung, dass ihre Leistung eine höhere Vergütung wert

8 Insgesamt betrachten 14 Studien die Arbeitsbedingungen auf Microtask‐Plattformen, davon beziehen sich 13 Studien (unter anderem) auf AMT. 9 Die Arbeitsbedingungen auf Design‐Plattformen wurden explizit in sieben Studien betrachtet.


sei (Bertschek et al., 2015, 9f; Brewer, Morris & Piper, 2016; Deng et al., 2016, S. 286; Leimeister,

Durward et al., 2016; Mason & Watts, 2009, 102ff). Nichtsdestotrotz lässt sich die Vergütung als

motivierender Faktor identifizieren, da die Aussicht auf Zuverdienst zur Arbeit anregt, unabhängig von

deren Höhe (Bertschek et al., 2015; Brabham, 2008b, 2010, 1130f; Deng & Joshi, 2016; Ipeirotis, P. G.,

2008; Kaufmann, Schulze & Veit, 2011; Leimeister, Durward et al., 2016; Litman, Robinson &

Rosenzweig, 2015, S. 523; Mason & Watts, 2009; Missling, 2011; Rogstadius et al., 2011).10

Einige Autoren haben hinsichtlich der Vergütung Experimente durchgeführt, indem sie die Höhe der

Vergütung beziehungsweise die Vergütungsart (fix oder leistungsbasiert) variiert haben, um somit

Erkenntnisse über die Auswirkungen der Bezahlung auf die Motivation und Leistung der Crowd Worker

zu erhalten. Die Ergebnisse aus diesen Experimenten variieren stark. Vier der Studien ermitteln die

Auswirkungen einer Erhöhung des Entgelts auf AMT. Rogstadius et al. (2011) und Mason und Watts

(2009, 102ff) haben herausgefunden, dass das Erhöhen der Vergütung einen stark positiven Einfluss

auf die Motivation der Crowd ausübt, jedoch die Qualität der Arbeiten nicht beeinflusst. Mason und

Watts (2009, 105f) stellten außerdem fest, dass, unterhalb eines bestimmten Vergütungsniveaus,

unvergütete Aufgaben motivierender auf die Crowd Worker wirken und auch ihre Leistung positiv

beeinflussen. Dieses Ergebnis unterstützt die in Kapitel 0 dargestellten Erkenntnisse von Frey und

Jegen (2001). Ho et al. (2015) ermittelten hingegen, dass sich eine höhere Vergütung in jedem Fall

positiv auf die Leistung der Crowd auswirkt. Dieser Effekt ist bei unsicherer Abnahme und Vergütung

der Aufgabe noch stärker, als wenn eine Bezahlung garantiert wird. Litman et al. (2015) fanden heraus,

dass eine Erhöhung des Entgelts dann zu einer Leistungssteigerung führt, wenn das Einkommen den

länderspezifischen Mindestlohn überschreitet. Diese Ergebnisse beziehen sich auf die Motivation und

Leistung verschiedener Gruppen von Crowd Workern, die für die Bearbeitung derselben Aufgaben

unterschiedlich hoch entlohnt wurden.

Yin, Chen und Sun (2013, S. 1192) untersuchten unter Variation der Entgelthöhe die Einflüsse auf

Motivation und Performance, indem sie jeden Crowd Worker zwei Aufgaben bearbeiten ließen, die

unterschiedlich entlohnt wurden. Die Ergebnisse dieses Experiments zeigen, dass sich bei

gleichbleibender Vergütung weder die Menge der bearbeiteten Teilaufgaben in der zweiten Runde,

noch ihre Qualität verändert. Wird die zweite Aufgabe jedoch höher vergütet als die erste, so steigert

das sowohl Quantität als auch Qualität der eingereichten Lösungen, wird die zweite Aufgabe geringer

vergütet, so hat das den gegenteiligen Effekt.

Es lässt sich insgesamt festhalten, dass selbst bei Erhöhen der Bezahlung im Rahmen der

durchgeführten Experimente, die Crowd Worker auf Microtask‐Plattformen das Entgelt nicht als

ausreichend ansehen. Dennoch hat die Vergütung auf den untersuchten Microtask‐ und

Design‐Plattformen einen eher motivierenden Effekt. Ob eine bessere Vergütung eine

Leistungssteigerung bewirkt, ist oftmals davon abhängig, ob eine gewisse Grundvergütung sicher ist

(Ho et al., 2015). Die Untersuchungen zeigen, dass die Performance der Crowd eher von der Art der

Vergütung als von der Höhe beeinflusst wird (Mason & Watts, 2009). Diese Zusammenfassung ist

kritisch zu betrachten, da, aufgrund der Vielzahl unterschiedlicher Erkenntnisse aus den Studien, keine

zuverlässigen Schlüsse hinsichtlich der Wirkung von Vergütung auf Motivation oder Leistung zu ziehen

sind.

10 Lediglich auf der Plattform AMT wurde festgestellt, dass eine zu geringe Vergütung auch demotivierend wirken kann (Brewer, Morris & Piper, 2016; Deng, Joshi & Galliers, 2016).


Vorgaben Leimeister und Durward et al. (2016) zeigen, dass die Vorgaben durch Plattformbetreiber und

Auftraggeber von der Crowd durchaus positiv betrachtet werden. Der Einfluss der

Aufgabenformulierung auf die Motivation wird nur von Missling (2011), auf der Design‐Plattform

12designer, untersucht. Die Ergebnisse zeigen, dass eine klare und eindeutige Aufgabenstellung positiv

auf die Motivation wirkt.

Zukunftsaussichten Die Zukunftsaussichten auf den verschiedenen Plattformen werden weder besonders positiv noch

negativ wahrgenommen. Auf Testing‐Plattformen lässt sich tendenziell eine Zufriedenheit der Crowd

mit den Möglichkeiten zukünftiger Arbeit auf diesen Plattformen erkennen (Leimeister, Durward et al.,

2016). Auf der Plattform AMT hingegen sieht ein Großteil der Crowd die Zukunftsaussichten negativ,

da die Arbeit und das Einkommen auf dieser Plattform nicht gesichert sind (Deng et al., 2016, S. 288).

Eine Befragung der Crowd Worker auf Threadless ergab, dass die zukünftigen Möglichkeiten, auf der

Plattform zu arbeiten, die Crowd sogar motivieren (Brabham, 2010, 1132f).

Dieses Ergebnis könnte aus dem ergebnisorientierten Wettbewerb auf Design‐Plattformen resultieren.

Die Teilnahme an mehreren Contests führt oftmals zu einer Verbesserung der eigenen Fähigkeiten und

erhöht somit die Chance, einen Contest zu gewinnen. Dass trotz der unsicheren Arbeitsbedingungen

keine negativen Effekte der Zukunftsaussichten auf die Motivation ermittelt wurden, kann mitunter

daran liegen, dass die wenigsten Crowd Worker von ihrem Einkommen im Crowdworking abhängig

sind (Leimeister, Durward et al., 2016, S. 47).

Überwachungsmechanismen Die in Kapitel 4 beschriebenen Überwachungs‐ und Kontrollmechanismen, die typischerweise auf

Crowdworking‐Plattformen herrschen, werden von der Mehrheit der Crowd Worker positiv

wahrgenommen, da sie die Notwendigkeit dieser Mechanismen verstehen, damit der Auftraggeber

qualitativ hochwertige Lösungen zu seinen Aufgaben erhält. Manche Crowd Worker sehen diese

Kontrollen jedoch nicht als notwendig an und fühlen sich dadurch eingeschränkt. Für diese Gruppe der

Crowd haben die Kontrollmechanismen auch eine demotivierende Wirkung, die dazu führt, dass sie

keine Aufgaben mehr bearbeiten, die überwacht werden. Unabhängig von der Zufriedenheit der

Crowd mit Überwachung und Kontrolle auf der Plattform, steigern diese die Qualität der abgegebenen

Lösungen (Leimeister, Durward et al., 2016, 69f).

Äußere Rückmeldung Rückmeldung für ihre Arbeit bekommen die Crowd Worker in Form von Bewertungen, Feedback oder

dem Ausdruck von Wertschätzung. Im Rahmen von drei Studien wurden Befragungen zu den

Bewertungssystemen der Plattformen durchgeführt. Diese werden weitestgehend positiv

wahrgenommen und üben einen motivierenden Einfluss auf die Crowd aus (Leimeister, Durward et al.,

2016). Für die Crowd auf der Design‐Plattform 12designer ist insbesondere eine positive Bewertung

durch den Auftraggeber ein motivierender Faktor (Missling, 2011). Auf AMT hingegen wird das dort

herrschende Bewertungssystem negativ wahrgenommen (Deng et al., 2016, S. 288). Wie aus der

Beschreibung der Arbeitsbedingungen auf AMT auf Seite 13 hervorgeht, können negative

Bewertungen dazu führen, dass der Zugriff auf anspruchsvollere Aufgaben verwehrt wird. Ein

Umstand, der die Unzufriedenheit der Turker mit dem Bewertungssystem von AMT erklären könnte.

Feedback durch den Auftraggeber außerhalb von Bewertungssystemen wird nur von zwei Studien

betrachtet, diese zeigen jedoch auf, dass dieses sowohl auf der Microtask‐Plattform AMT als auch auf


der Design‐Plattform 12designer die Crowd motiviert. Den Crowd Workern ist wichtig, dass sie

Rückmeldung vom Auftraggeber zu ihrer Arbeit erhalten, vor allem auf der Plattform AMT empfinden

die Crowd Worker es als negativ, wenn ihre Arbeiten ohne Begründung abgelehnt werden (Deng et al.,

2016, S. 288). Die Crowd der Plattform 12designer wird insbesondere durch positives Feedback

motiviert (Missling, 2011).

Auf den meisten Crowdworking‐Plattformen haben die Crowd Worker das Gefühl, dass sie und ihre

Arbeitsleistung wertgeschätzt werden (Leimeister, Durward et al., 2016). Lediglich auf AMT ergibt sich

ein zwiespältiges Bild über die wahrgenommene Wertschätzung (Deng et al., 2016, S. 288). Für die

Crowd der Plattform Taskcn ist die Wertschätzung durch den Auftraggeber zusätzlich ein

motivierender Faktor (Zheng et al., 2011).

Insgesamt betrachten also vier verschiedene Studien die Auswirkung der Rückmeldung seitens der

Auftraggeber bezüglich geleisteter Arbeit. Größtenteils fühlen sich die Crowd Worker wertgeschätzt,

positive Rückmeldung wirkt außerdem motivierend, insbesondere auf Design‐Plattformen. Die Crowd

Worker der Plattform AMT sind mit dem dort vorhandenen Bewertungssystem unzufrieden.

Beziehungen Die herrschenden Beziehungen auf den Plattformen betrachten das Verhältnis der Crowd zu den

Auftraggebern sowie zu den Plattformbetreibern. Außerdem wird die wahrgenommene Unterstützung

und Betreuung der Crowd durch den Plattformbetreiber ermittelt. Das Verhältnis der Crowd zu ihren

Auftraggebern lässt sich insgesamt positiv bewerten (Leimeister, Durward et al., 2016), jedoch fühlen

sich die Crowd Worker auf der Plattform AMT oftmals durch ihren Auftraggeber ungerecht behandelt,

beispielsweise wenn die Arbeit ohne Begründung abgelehnt wird (Deng et al., 2016, S. 286). Das

Verhältnis zu den einzelnen Plattformbetreibern stellt die Crowd ebenfalls zufrieden (Bertschek et al.,

2015, S. 10; Leimeister, Durward et al., 2016); dieses Kriterium wurde allerdings nicht explizit für die

Plattform AMT untersucht. Mehrheitlich fühlen sich die Crowd Worker auf ihrer Plattform gut betreut

und haben auch meist das Gefühl, bei Problemen durch den Plattformbetreiber unterstützt zu werden.

Dieses Empfinden ist bei den Crowd Workern auf Design‐Plattformen am schwächsten ausgeprägt.

Über alle vier Plattformtypen hinweg haben die Crowd Worker nicht wirklich das Gefühl, dass sich der

Plattformbetreiber um ihr Wohlergehen bemüht, die Zufriedenheit hiermit liegt eher im mittleren

Bereich (Leimeister, Durward et al., 2016). Obwohl in keiner der Studien der direkte Einfluss der

verschiedenen Beziehungen auf die Motivation betrachtet wird, ist es an dieser Stelle wichtig,

festzuhalten, dass die Crowd Worker insgesamt eher zufrieden mit dem Verhältnis zu Auftraggebern

und Plattformbetreibern sind.

Nach der Betrachtung extrinsisch motivierender Faktoren, werden nun die Aufgaben an sich,

Möglichkeiten zur Weiterbildung und die herrschende Autonomie bei der Bearbeitung der Aufgaben

sowie der Einfluss dieser Arbeitsbedingungen auf die intrinsische Motivation der Crowd Worker

untersucht.

Aufgaben Die Aufgaben an sich und ihr Einfluss auf Motivation und Leistung der Crowd werden in den

ausgemachten Studien nur für Microtask‐ und Designplattformen untersucht. Die Studien zeigen, dass

die Crowd Worker mit den Aufgaben, die sie bearbeiten, zufrieden sind ( Al‐Ani & Stumpp, 2015; Deng

et al., 2016, S. 288; Deng & Joshi, 2016, S. 658; Ipeirotis, P. G., 2008; Mason & Watts, 2009; Missling,

2011). Ausschließlich auf der Plattform AMT sind einige Crowd Worker unzufrieden mit der Art der

Aufgaben (Brewer et al., 2016; Mason & Watts, 2009). Anforderungen, Inhalte und Zweck der


Aufgaben haben außerdem einen motivierenden Einfluss auf die Crowd ( Al‐Ani & Stumpp, 2015;

Brabham, 2008b; Brewer et al., 2016; Deng et al., 2016; Deng & Joshi, 2016; Ipeirotis, P. G., 2008;

Kaufmann et al., 2011; Litman et al., 2015, S. 523; Mason & Watts, 2009; Missling, 2011; Zheng et al.,

2011).

Vier der Studien basieren auf Experimenten, die zur Wirkung verschiedener Bedingungen innerhalb

der Aufgaben auf der Plattform AMT durchgeführt wurden. Rogstadius et al. (2011) fanden dabei

heraus, dass die Crowd hochwertigere Lösungen abgibt, wenn der Auftraggeber kein

gewinnorientiertes Unternehmen, sondern eine Non‐Profit‐Organisation ist. Kittur et al. (2008)

variierten die Aufgabenstellung so, dass die Aufgaben einmal wesentlich schneller zu bearbeiten

waren, wenn man keine ernsthaften Lösungen dazu abgibt, und es einmal ebenso zeitintensiv war,

ungültige Antworten abzugeben wie seriöse. Das Ergebnis dieses Experiments zeigt, dass im zweiten

Fall mehr Crowd Worker die Aufgabe bearbeiten und diese auch mehr Lösungen einreichen. Insgesamt

ist der Anteil gültiger Einreichungen von 51,4% bei der ersten Aufgabe auf 97,5% bei der zweiten

Aufgabe gestiegen. Auch die Qualität der eingereichten, gültigen Lösungen war für die zweite Aufgabe

höher. Vermittelt man der Crowd, dass sie mit Bearbeitung der Aufgabe einen Beitrag für die

Gesellschaft leisten kann, so wirkt sich das positiv auf die Motivation, jedoch nicht auf die Leistung aus.

Wird umgekehrt der Crowd gegenüber geäußert, dass die Arbeit zwar bezahlt, jedoch nicht verwertet

wird, so hat das zwar keinen Einfluss auf die Motivation, die Qualität der eingereichten Lösungen sinkt

jedoch (Chandler & Kapelner, 2013). Außerdem fanden Mason und Watts (2009, S. 79) heraus, dass

auf einer Plattform wie AMT, auf der prinzipiell keine besonderen Fähigkeiten der Crowd vorausgesetzt

werden, eine Erhöhung des Schwierigkeitsgrades einen demotivierenden Effekt hat. Größtenteils

haben die Crowd Worker Spaß an der Bearbeitung der Aufgaben, sei es auf Microtask‐ oder Design‐

Plattformen.

Die Untersuchung von Kittur et al. (2008, 454f) zeigt zwar auf, dass es durchaus Turker gibt, denen es

ausschließlich um die Bezahlung geht und die daher oftmals invalide Lösungen einreichen. Die

Mehrheit der Crowd Worker verspürt jedoch auch intrinsische Anreize bei der Arbeit. Dies wird durch

die motivationssteigernde Wirkung gezeigt, die entsteht, wenn einer Aufgabe mehr Bedeutung

zugeschrieben wird, indem der Crowd vermittelt wird, dass sie mit der Bearbeitung etwas Gutes tut

beziehungsweise einen wertvollen Beitrag leisten kann.

Weiterbildungsmöglichkeiten Auf Design‐, Marktplatz‐ sowie Testing‐Plattformen haben die Crowd Worker das Gefühl, dass sie bei

ihrer Arbeit Neues erlernen und/oder die eigenen Fähigkeiten weiter ausbauen können (Al‐Ani &

Stumpp, 2015; Leimeister, Durward et al., 2016). Auf Microtask‐Plattformen ist die Crowd eher

mittelmäßig zufrieden (Leimeister, Durward et al., 2016) oder gar unzufrieden (Deng et al., 2016,

S. 292) mit den Weiterbildungsmöglichkeiten, die das Crowdworking bietet. Die Möglichkeit, die

eigenen Kompetenzen zu erweitern, motiviert die Crowd auf Microtask‐, Design‐ und Testing‐

Plattformen, wobei die motivierenden Effekte auf Microtask‐Plattformen vergleichsweise gering sind

(Al‐Ani & Stumpp, 2015; Bertschek et al., 2015, S. 9; Brabham, 2008b, 2010, 1131f; Ipeirotis, P. G.,

2008; Kaufmann et al., 2011; Litman et al., 2015, S. 523; Missling, 2011).

Insgesamt lässt sich aus den verschiedenen Befragungen erkennen, dass die Crowd das Gefühl hat, sich

mittels ihrer Arbeit weiterentwickeln zu können, lediglich einige wenige Crowd Worker auf AMT

erleben bei ihrer Arbeit eine Art Kompetenzverlust (Deng et al., 2016).


Autonomie Die herrschende Autonomie bei der Aufgabenbearbeitung wird von der Crowd durchweg positiv

betrachtet (Deng et al., 2016, S. 286; Deng & Joshi, 2016, S. 658). Die hierzu vorliegenden Studien

betrachten ausschließlich Microtask‐ und Design‐Plattformen, zeigen jedoch allesamt, dass die

Selbstbestimmung einen motivierenden Effekt auf die Crowd hat ( Bertschek et al., 2015, S. 9; Deng et

al., 2016; Deng & Joshi, 2016; Kaufmann et al., 2011; Zheng et al., 2011).

Intrinsisches Motivationspotential nach dem Job Characteristics Model Wie in Kapitel 5 aufgezeigt, nennen viele Crowd Worker intrinsische Gründe dafür, sich auf

Crowdworking‐Plattformen zu beschäftigen. Das Job Characteristics Model nach Hackman und Oldham

(1976) besagt, dass erlebte Bedeutsamkeit, erlebte Verantwortlichkeit und Wissen über die Ergebnisse

der Arbeit jeweils zu einem gewissen Grad vorhanden sein müssen, damit intrinsische Anreize wirken

können. Auf Crowdworking‐Plattformen besitzen die Aufgaben (Inhalte, Anspruch und Zweck), die

Autonomie und die Weiterbildungsmöglichkeiten ein intrinsisches Motivationspotential.

Den Ergebnissen der Studien zufolge, nehmen viele Crowd Worker ihre Arbeit als bedeutsam war. Die

erlebte Bedeutsamkeit wird je nach Plattformtyp und Aufgabe geschmälert, wenn Anforderungsvielfalt

oder Ganzheitlichkeit der Aufgabe nicht ausgeprägt sind. So werden auf Design‐, Marktplatz‐ und

Testing‐Plattformen spezifische Anforderungen an die Crowd gestellt, während auf Microtask‐

Plattformen meist keine besonderen Kompetenzen vorausgesetzt werden. Aufgrund der Zerteilung

eines Problems in viele kleine Aufgaben, können Crowd Worker hier die Ganzheitlichkeit von Aufgaben

oftmals nicht wahrnehmen. Autonomie erleben Crowd Worker immer bei der Wahl und Einteilung der

Aufgaben und auf vielen Plattformen auch bei der Vorgehensweise. Auf Microtask‐Plattformen jedoch

herrscht oftmals nicht viel Spielraum bezüglich des Vorgehens bei der Aufgabenbearbeitung.

Rückmeldung über die Ergebnisse aus der Arbeit selbst erhalten die Crowd Worker für ihre Arbeit auf

allen vier Plattformtypen.

Insgesamt lässt sich sagen, dass Crowdworking nicht nur extrinsische, sondern auch intrinsische

Anreize setzt. Alle drei Zustände – die erlebte Bedeutsamkeit, erlebte Verantwortlichkeit und das

Wissen über die eigenen Ergebnisse – werden bei der Arbeit auf Crowdworking‐Plattformen (teilweise

stärker, teilweise eher in Maßen) adressiert, intrinsische Motivation stellt somit einen wesentlichen

Aspekt im Crowdworking dar.

Zusammenfassung Diese Ergebnisse lassen eine erste Einschätzung darüber zu, wie die Arbeit auf Crowdworking‐

Plattformen durch die Crowd wahrgenommen wird. Jedoch lassen sich aufgrund der relativ geringen

Zahl identifizierter Studien sowie der hohen Konzentration der Ergebnisse auf die Plattform AMT keine

genauen Erkenntnisse und Schlussfolgerungen zu motivierenden Einflüssen gewinnen. Außerdem

müssen die Ergebnisse kritisch betrachtet werden, da fast alle Studien auf Analysen der aktiven Crowd

basieren und somit keine Untersuchungen zu mittlerweile inaktiven Crowd Workern und ihren

Gründen, mit dem Crowdworking aufzuhören, vorliegen. Bei der Interpretation der Ergebnisse wurde

auch Rücksicht auf die geringe Stichprobengröße einiger Erhebungen genommen (siehe Tabelle 3).

Eine abschließende Betrachtung der Crowd und ihrer Motivation zeigt, dass, obwohl die Crowd Worker

die herrschende Flexibilität im Crowdworking schätzen, knapp über die Hälfte eine Festanstellung mit

ähnlichen Aufgaben bevorzugen würde (Leimeister, Durward et al., 2016, 49ff). Gründe hierfür können

zum einen die herrschende Arbeitsunsicherheit und die mangelnden Zukunftsaussichten auf den

Plattformen sein. Zusätzlich sind die fehlende soziale Absicherung sowie die unregelmäßige und

unsichere Vergütung Faktoren, die herkömmliches Arbeiten doch attraktiver erscheinen lassen.


Wichtig ist für viele Personen vermutlich auch der soziale Kontakt zu Kollegen und Vorgesetzten, der

beim Crowdworking kaum vorhanden ist. Gründe, sich trotzdem im Crowdworking zu betätigen,

können beispielsweise darin liegen, dass einige Crowd Worker auf dem freien Arbeitsmarkt keine

Anstellung finden können, während die Eintrittsbarrieren auf den Plattformen sehr niedrig sind

(Felstiner, 2011, S. 154).

Die wenigsten Crowd Worker verdienen mit der Tätigkeit auf Crowdworking‐Plattformen ihren

Lebensunterhalt (Leimeister, Durward et al., 2016, S. 47). Wie Kapitel 5 aufzeigt, stellt Crowdworking

für viele einen Zeitvertreib oder eine Möglichkeit für einen Zuverdienst dar (Al‐Ani & Stumpp, 2015,

S. 29).


7 Fazit

Implikationen für Auftraggeber und Plattformbetreiber Da Crowdworking ohne eine Crowd nicht funktionieren kann, ist es elementar, dass der

Plattformbetreiber motivierende Arbeitsbedingungen schafft (Roth, Brabham & Lemoine, 2015, S. 17)

und dabei sowohl die extrinsischen als auch die intrinsischen Motive der Crowd berücksichtigt. Aus

den analysierten Studien geht hervor, dass die Crowd größtenteils unzufrieden mit der Vergütung ist

und diese nicht als leistungsgerecht erachtet. Die globale Reichweite von Crowdworking‐Plattformen

erschwert die Schaffung von „fairen“ Arbeitsbedingungen (Silberman et al., 2010, S. 43). Die Vergütung

fällt immer gleich hoch aus, egal aus welchem Land die eingereichte Lösung kommt (Gegenhuber,

2013, S. 5). Dennoch ist es wichtig, dass Plattformbetreiber genau an dieser Stelle ansetzen und Regeln

an die Auftraggeber stellen, die gewährleisten, dass, unabhängig vom Wohnort, jeder Crowd Worker

seiner Arbeit angemessen entlohnt wird (Deng et al., 2016, S. 297). Bei der Wahl der Vergütungsart

bietet eine leistungsabhängige Vergütung sowohl für die Crowd als auch für den Auftraggeber Vorteile.

Wie aus dieser Arbeit hervorgegangen ist, empfinden Crowd Worker Vergütung in Abhängigkeit ihrer

Leistung als fairer, als ein festgesetztes Entgelt und werden dadurch außerdem motiviert. Der

Auftraggeber erhält bei dieser Bezahlform bessere Ergebnisse als beim Setzen eines fixen Entgelts und

muss außerdem weniger investieren, da die Beiträge, die eine geringe Qualität aufweisen,

entsprechend niedrig entlohnt werden. Zwar kann dieser extrinsische Anreiz durchaus die intrinsische

Motivation schmälern, es wird jedoch eine weitaus größere Gruppe an Crowd Workern erreicht, wenn

die Arbeitsbedingungen auch diejenigen ansprechen, die extrinsische Motive haben (Borst, 2010,

S. 145).

Eine weitere Erkenntnis aus der Literaturanalyse ist, dass die Crowd Worker Rückmeldung zu ihrer

Arbeit schätzen und sich wünschen, vor allem bei einer Ablehnung ihrer Arbeit, vom Auftraggeber

Feedback zu erhalten (Deng et al., 2016, S. 287). Plattformbetreiber sollten sich daher darum

bemühen, Regulierungen einzuführen, die sicherstellen, dass Arbeitsergebnisse nicht weiterhin

unbegründet abgelehnt werden können. Ob dies tatsächlich in großem Umfang umsetzbar ist, bleibt

kritisch zu betrachten, da sich die Auftraggeber anhand solch einer Rückmeldung prinzipiell angreifbar

machen. Wahrscheinlich ist, dass solche Rückmeldungen Standardfloskeln enthalten, wie sie

beispielweise auch oft in Arbeitszeugnissen zu finden sind. Zur gerechteren Behandlung der Crowd

tragen außerdem das Einführen von Bestimmungen über die Rechte an unvergüteten beziehungsweise

abgelehnten Arbeitsergebnissen sowie von Sanktionen für betrügerisches Verhalten der Auftraggeber

bei (Deng et al., 2016, 297f). Die Crowd hat nicht nur das Bedürfnis, Feedback zu erhalten, sondern

dieses auch zu geben. Zur Reduktion der herrschenden Informationsasymmetrien sollten

Bewertungsmechanismen für Auftraggeber geschaffen werden. Viele Plattformbetreiber haben eine

„Community“ für ihre Crowd aufgebaut. Diese dient dem Wissensaustausch der einzelnen Crowd

Worker untereinander und sollte stärker auf weiteren Plattformen eingebunden werden (Al‐Ani &

Stumpp, 2015, 24f).

Die genannten Implikationen ergeben sich aus den Erkenntnissen der vorliegenden Studien, die zu

einem großen Teil auf der Wahrnehmung der Crowd der amerikanischen Plattform AMT beruhen. In

Deutschland haben bereits einige Crowdworking‐Anbieter in Deutschland den Code of Conduct für

Crowdworking11 unterzeichnet, indem sie sich verpflichten, die Crowd Worker gerecht zu entlohnen,

Reputations‐, Austausch‐ und Weiterbildungsmöglichkeiten anzubieten und einen respektvollen

Umgang zu gewährleisten. Darüber hinaus wird im Code of Conduct sichergestellt, dass die Vorgaben

angemessen gestellt sind und Arbeitsergebnisse nicht unbegründet abgelehnt werden dürfen.

11 http://www.crowdsourcing‐code.de/, Testbirds GmbH 2017.


Ausblick für die zukünftige Forschung

Crowdworking erfreut sich zwar zunehmender Beliebtheit, aufgrund der Neuartigkeit dieses Konzeptes

sind die dort herrschenden Arbeitsbedingungen und Motivationen jedoch noch weitestgehend

unerforscht.

Die Analyse der betrachteten Studien lässt erkennen, dass die Flexibilität der herrschenden

Arbeitsbedingungen positiv von der Crowd aufgefasst wird. Auch die Aufgaben, die sie zur Bearbeitung

bekommt, stellen die Crowd insgesamt zufrieden. Viele Crowd Worker haben Spaß an ihrer Arbeit und

das Gefühl, dabei die eigenen Fähigkeiten weiter ausbauen zu können. Auch mit den Vorgaben und

der Formulierung der Aufgaben sind die Crowd Worker weitestgehend zufrieden. Nicht durchweg

positiv wahrgenommen werden die herrschende Wettbewerbssituation sowie

Bewertungsmechanismen. Hier variiert das Empfinden der einzelnen Crowd Worker stark. Die

Beziehungen zu Plattformbetreibern und Auftraggebern werden einigermaßen positiv

wahrgenommen, doch die Kommunikation könnte durchaus stärker sein. Schlussendlich wird die

Vergütung als zu gering angesehen. Nichtsdestotrotz ist sie ein entscheidender Motivator für das

Arbeiten auf Crowdworking‐Plattformen.

Diese Erkenntnisse sind kritisch zu betrachten. Zum einen ist die Zahl von 20 untersuchten Studien sehr

gering. Weiterhin bezieht sich ein Großteil der Studien auf die Crowd der Plattform Amazon

Mechanical Turk, wodurch nicht wirklich ein Eindruck der Einflüsse von Arbeitsbedingungen auf die

Motivation der Crowd über verschiedene Plattformen hinweg entstehen konnte. Die Untersuchungen

lassen außerdem nur einen Vergleich der Arbeitsbedingungen auf Microtask‐ und Design‐Plattformen

zu, Marktplatz‐ und Testing‐ Plattformen wurden von den verschiedenen Autoren kaum betrachtet.

Ein weiterer kritischer Faktor, der die Ergebnisse verzerrt, ist, dass 19 der 20 Studien ausschließlich auf

Befragungen von oder Experimenten mit aktiven Crowd Workern basieren. Wichtig wäre es, zu

betrachten, weshalb mittlerweile inaktive Crowd Worker keine weitere Motivation für ihre Tätigkeit

auf der Plattform aufgebracht haben.

Die Erkenntnisse aus den Studien basieren zu großen Teilen auf den Gegebenheiten auf Microtask‐

und Design‐Plattformen. Tatsächlich sind die Arbeitsbedingungen auf diesen beiden Plattformtypen

sehr unterschiedlich, da auf ersteren repetitiv Aufgaben abgearbeitet werden, während auf Design‐

Plattformen lange an einem Projekt gearbeitet und somit viel Zeit investiert wird, während die Aussicht

auf Vergütung der Arbeit sehr klein ist. Diese Gegebenheiten sind zu heterogen, um daraus ein

Gesamtfazit über die Arbeitsbedingungen im Crowdworking zu ziehen. Zukünftig sollten die

Arbeitsbedingungen und die herrschenden Motivatoren auch isoliert für die einzelnen Plattformtypen

untersucht werden.

In diesem Feld herrscht noch ein großer Forschungsbedarf und das nicht nur für die einzelnen

Plattformen, sondern auch über die verschiedenen Plattformen hinweg, um die herrschenden

Bedingungen und Motivatoren vergleichen und somit Implikationen für Plattformbetreiber herleiten

zu können, die gerechte und motivierende Arbeitsstrukturen schaffen.


8 Anhang Im Folgenden werden die untersuchten Studien sowie die daraus gewonnenen Erkenntnisse in tabellarischer Form zusammengefasst dargestellt. Die Tabelle 3

gibt eine Übersicht über die von den jeweiligen Studien untersuchten Arbeitsbedingungen. Hier werden auch die Art der Untersuchung und die

Stichprobengrößen dargestellt. In der Tabelle 4 wird im Detail aufgezeigt, wie die Arbeitsbedingungen auf den untersuchten Plattformen wahrgenommen werden

und auf Motivation und Leistung der Crowd wirken. Abschließend werden alle Erkenntnisse für Microtask‐ und Design‐Plattformen in Tabelle 5 zusammengefasst.

Abkürzungen: AMT = Amazon Mechanical Turk, De = Design‐Plattform, Ma = Marktplatz‐Plattform, Mi = Microtask‐Plattform, Te = Testing‐Plattform

Datenbasis Tabelle 3: Übersicht der untersuchten Arbeitsbedingungen pro Studie, Id = Identifikationsnummer der Studie, Anz. TN = Anzahl Teilnehmer bzw. Stichprobenumfang

Id Literaturquelle Untersuchte Plattformen Untersuchte Arbeitsbedingungen Untersuchungsform Art Anz. TN

1 Al‐Ani und Stumpp

(2015)

De (jovoto)

Te

Flexibilität, Wettbewerb, Aufgaben,

Weiterbildungsmöglichkeiten

Online‐Befragung qualitativ De: n=72

Te: n=93

2 Ipeirotis, P. G. (2008) Mi (AMT) Wettbewerb, Vergütung, Aufgaben,


Online‐Befragung qualitativ n.a.

3 Leimeister und

Durward et al. (2016)

Mi (Clickworker, AMT, Mylittlejob,

Streetspotr, Microworkers),

Ma (Crowd Guru, content.de,

jacando, Freelancer.com, FiverDeal,

Elance, Easylean24, Upwork,

machdudas, CrowdSource),

De (99designs, 12designer, Crowd

Relations),

Te (Testbirds, test‐Cloud, uTest,

GlobalTestMarket, Myutest, Rapid

Usertests, Passbrains)

Flexibilität, Vergütung, AGBs, Vorgaben

durch Auftraggeber, Zukunftsaussichten,

Bewertungssysteme, Wertschätzung,

Verhältnis zu Auftraggeber, Verhältnis zu

Plattformbetreiber, Betreuung auf der

Plattform, Hilfeleistung bei Problemen,

Bemühen des Plattformbetreibers um

Wohlergehen der Crowd,


Online‐Befragung quantitativ n=434

Überwachungsmechanismen qualitativ

4 Deng et al. (2016) Mi (AMT) Flexibilität, Vergütung, Zukunftsaussichten,

Bewertungssysteme, Feedback,

Wertschätzung, Verhältnis zu

Auftraggeber,

Weiterbildungsmöglichkeiten, Autonomie

Online‐Befragung qualitativ n=210



5 Bertschek et al. (2015) Mi Flexibilität, Vergütung, Verhältnis zu

Plattformbetreiber, Aufgaben,



6 Rogstadius et al. (2011) Mi (AMT) Vergütung, Aufgaben Experiment quantitativ n=158

7 Kittur et al. (2008) Mi (AMT) Aufgaben Experiment quantitativ n=58

n=144

8 Ho et al. (2015) Mi (AMT) Vergütung Experiment quantitativ n=1000

9a Mason und Watts

(2009)

Mi (AMT) Vergütung, Aufgaben Experiment quantitativ n=611

9b n=320

10 Araujo (2013) De (99designs) Vergütung Datenanalyse quantitativ n=63049

11 Zheng et al. (2011) De (Taskcn) Vergütung, Wertschätzung, Aufgaben,

Autonomie

Datenanalyse quantitativ n=283

12 Deng und Joshi (2016) Mi (AMT) Flexibilität, Vergütung, Aufgaben,

Autonomie


13a Brewer et al. (2016) Mi Vergütung, Aufgaben Online‐Befragung

(nicht ausschließlich

Crowd Worker)

quantitativ n=505

13b Mi (AMT) Vergütung, Aufgaben Befragung (keine

Crowd Worker)

qualitativ n=14

14 Yin et al. (2013) Mi (AMT) Vergütung Experiment quantitativ n=1214

n=1270

15 Missling (2011) De (12designer) Wettbewerb, Vergütung, Vorgaben durch

Auftraggeber, Bewertungssysteme,

Feedback, Aufgaben,



16 Brabham (2008b) De (iStockphoto) Vergütung, Aufgaben,



17 Kaufmann et al. (2011) Mi (AMT) Vergütung, Aufgaben,





18 Brabham (2010) De (Threadless) Vergütung, Zukunftsaussichten,



19a Litman et al. (2015) Mi (AMT) Vergütung, Aufgaben,



19b Vergütung Experiment

20 Chandler und Kapelner

(2013)

Mi (AMT) Aufgaben Experiment quantitativ n=2500


Detailergebnisse für einzelne Arbeitsbedingungen Legende zu Tabelle 4:

Spalte „Arbeitsbedingung“: untersuchte Arbeitsbedingung (siehe auch Kapitel 6)

Spalte „Id“: Identifikationsnummer der Studie

Spalte „Plattform“: untersuchte Plattform bzw. Plattformtyp

Spalte „Art der Intervention“: Beeinflussung der untersuchten Arbeitsbedingung durch Experimente bzw. durch die Aufgabenstellung

Spalte „Wahrnehmung/Zufriedenheit“: Wahrnehmung der untersuchten Arbeitsbedingung bzw. Zufriedenheit damit durch die Crowd. Dezimalzahlen im Intervall

[0,1] beschreiben die durchschnittlich angegebene Zufriedenheit aller Befragten (0 = gar nicht zufrieden, 1= vollkommen zufrieden)

Skala: ‐ unzufrieden, ~ mittelmäßig zufrieden, + zufrieden

Spalte „Einfluss auf Motivation“: Ergebnisse zum Einfluss der Arbeitsbedingung auf die Motivation der Crowd. Die Motivation wird hier anhand der Partizipation

an einer Aufgabe sowie der Quantität eingereichter Lösungen innerhalb einer Aufgabe erfasst. Prozentzahlen geben den Anteil der Teilnehmer an, für

die ein entsprechender Einfluss gilt.

Spalte „Einfluss auf Performance“: Ergebnisse zum Einfluss der Arbeitsbedingung auf die Qualität der geleisteten Arbeit

Skala für „Einfluss auf Motivation“ und „Einfluss auf Performance“: ‐ negativer Einfluss, 0 kein Einfluss, + positiver Einfluss, ++ stark positiver Einfluss

Tabelle 4: Detaillierte Ergebnisse der einzelnen Studien zum Einfluss der untersuchten Arbeitsbedingungen auf die Motivation und Performance der Crowd, n.a.= wurde nicht untersucht

Arbeitsbedingung Id Plattform Art der Intervention Wahrnehmung/

Zufriedenheit

Crowd

Einfluss

auf

Motivation

Einfluss auf

Performance

Ergänzungen zum

Einfluss auf

Motivation

Flexibilität 1 De (jovoto), Te n.a. + + n.a.

3 Mi, Ma, De, Te n.a. + n.a. n.a.

4 Mi (AMT) n.a. + n.a. n.a.

5 Mi n.a. n.a. ++ n.a.

12 Mi (AMT) n.a. + + n.a.

Wettbewerb 1 Te n.a. + + n.a.

2 Mi (AMT) n.a. n.a. + (5,5%) n.a.

15 De (12designer) n.a. n.a. ‐ (23%) n.a.



Zufriedenheit

Crowd

Einfluss

auf

Motivation

Einfluss auf

Performance

Ergänzungen zum

Einfluss auf

Motivation

Vergütung 2 Mi (AMT) n.a. n.a. + (83%) n.a.

3 Mi

Ma

De

Te

n.a. ~ (0,54)

~ (0,52)

~ (0,48)

+ (0,61)

+ n.a.

4 Mi (AMT) n.a. ‐ ‐ (viele)

+ (wenige)

n.a.

5 Mi n.a. ‐ +

(schwach)

6 Mi (AMT) Erhöhen der Vergütung n.a. ++ 0

8 Mi (AMT) Erhöhen der unsicheren, fixen

Vergütung

n.a. n.a. +

Erhöhen der fixen Vergütung

+ sichere Vergütung

n.a. n.a. ‐ im Vgl. zu erhöhter,

aber unsicherer

Vergütung

Vergütung unsicher und

leistungsbasiert setzen

n.a. n.a. +

Vergütung leistungsbasiert

setzen + sichere

Grundvergütung

n.a. n.a. 0 im Vgl. zu unsicherer

leistungsabhängiger

Vergütung

esichere, fixe Vergütung n.a. n.a. ‐

9a Mi (AMT) Erhöhen der fixen Vergütung ‐ + 0

9b Mi (AMT) Erhöhen der

leistungsabhängigen

Vergütung

‐ ‐ 0 im Vergleich zu

erhöhter fixer

Vergütung

+ 0 im Vergleich zu

keiner Vergütung



Zufriedenheit

Crowd

Einfluss

auf

Motivation

Einfluss auf

Performance

Ergänzungen zum

Einfluss auf

Motivation

Vergütung

9b Mi (AMT) keine Vergütung ‐ + + im Vergleich zu

ursprünglicher

Vergütung

‐ + im Vergleich zu

erhöhter Vergütung

Quotenzahlung ‐ n.a. + im Vergleich zu

stückweiser

Bezahlung

Stückweise Bezahlung ‐ n.a. ‐ im Vergleich zu

Quotenzahlung

10 De (99designs) Erhöhen der Vergütung n.a. 0 0 kein Einfluss auf

Quantität

+ mehr Partizipation

11 De (Taskcn) n.a. n.a. 0 n.a.

12 Mi (AMT) n.a. ‐ + n.a.

13a Mi n.a. n.a. + n.a.

‐ n.a.

13b Mi (AMT) n.a. ‐ ‐ ‐

14 Mi (AMT) Zweite Aufgabe gleich hoch

vergütet

n.a. 0 0 Vergleich von

Motivation und

Performance

zwischen erster und

zweiter Aufgabe

Zweite Aufgabe höher

vergütet

n.a. + +

Zweite Aufgabe geringer

vergütet

n.a. ‐ ‐

15 De (12designer) n.a. n.a. ++ (67%)

+ (26%)

0 (8%)

n.a. sichere

Preisauszahlung



Zufriedenheit

Crowd

Einfluss

auf

Motivation

Einfluss auf

Performance

Ergänzungen zum

Einfluss auf

Motivation

Vergütung 15 De (12designer) n.a. n.a. ++ (53%)

+ (38%)

‐ (9%)

n.a. Höhe der Vergütung

16 De (iStockphoto) n.a. n.a. + (89,8%) n.a.

17 Mi (AMT) n.a. n.a. + (75%) n.a.

18 De (Threadless) n.a. n.a. + n.a.

19a Mi (AMT) n.a. n.a. + n.a.

19b Mi (AMT) Erhöhen der Vergütung,

Vergütung bleibt unter

länder‐ spezifischem

Mindestlohn

n.a. n.a. 0

Erhöhen der Vergütung bis

knapp über

länderspezifischen

Mindestlohn

+

Vorgaben

AGBs der Plattform 3 Mi

Ma

De

Te

n.a. + (0,73)

+ (0,63)

+ (0,58)

+ (0,76)

n.a. n.a.

Vorgaben durch Auftraggeber 3 Mi

Ma

De

Te

n.a.

+ (0,65)

+ (0,67)

+ (0,7)

+ (0,76)

n.a. n.a.

15 De (12deisgner) n.a. n.a. ++ (47%)

+ (43%)

0 (10%)

n.a.



Zufriedenheit

Crowd

Einfluss

auf

Motivation

Einfluss auf

Performance

Ergänzungen zum

Einfluss auf

Motivation

Zukunftsaussichten 3 Mi

Ma

De

Te

n.a. ~ (0,55)

~ (0,52)

~ (0,5)

+ (0,62)

n.a. n.a.

4 Mi (AMT) n.a. ‐ (Mehrheit) n.a. n.a.

n.a. + (Minderheit) n.a. n.a.


Überwachungsmechanismen 3 Mi, Ma, De, Te n.a. + (Mehrheit) n.a. +

‐ (Minderheit) ‐ +

äußere Rückmeldung

Bewertungssysteme 3 Mi

Ma

De

Te

n.a. + (0,59)

+ (0,7)

+ (0,7)

+ (0,71)

+ n.a.

4 Mi (AMT) n.a. ‐ n.a. n.a.

15 De (12deisgner) n.a. n.a. + (31%) n.a.

Feedback 4 Mi (AMT) n.a. n.a. + n.a.

15 De (12designer) n.a. n.a. + (38%) n.a.

Wertschätzung

3 Mi

Ma

n.a. + (0,61)

+ (0,63)

n.a. n.a.

De

Te

+ (0,63)

+ (0,7)

4 Mi (AMT) n.a. + n.a. n.a.

‐ n.a. n.a.

11 De (Taskcn) n.a. n.a. + n.a.



Zufriedenheit

Crowd

Einfluss

auf

Motivation

Einfluss auf

Performance

Ergänzungen zum

Einfluss auf

Motivation

Beziehungen

Verhältnis zu Auftraggeber 3 Mi, Ma, De, Te n.a. + n.a. n.a.

4 Mi (AMT) n.a. ‐ n.a. n.a.

Verhältnis zu

Plattformbetreiber

3 Mi, Ma, De, Te n.a. + n.a. n.a.

5 Mi n.a. + n.a. n.a.

Betreuung auf der Plattform 3 Mi

Ma

De

Te

n.a. + (0,66)

+ (0,6)

+ (0,59)

+ (0,7)

n.a. n.a.

Hilfeleistung bei Problemen 3 Mi

Ma

De

Te

n.a. + (0,63)

+ (0,59)

~ (0,5)

+ (0,75)

n.a. n.a.

Bemühen des

Plattformbetreibers um das

Wohlergehen der Crowd

3 Mi

Ma

De

Te

n.a. + (0,56)

~ (0,45)

~ (0,48)

~ (0,54)

n.a. n.a.

Aufgaben 1 De (Jovoto), Te n.a. + + n.a.

2 Mi (AMT) n.a. n.a. + (42%) n.a.

4 Mi (AMT) n.a. + + n.a.

5 Mi n.a. n.a. +

(schwach)

n.a.

6 Mi (AMT) Variation des Auftraggebers

von profitorientiertem Unter‐

nehmen zu einer Non‐Profit‐

Organisation

n.a. n.a. +



Zufriedenheit

Crowd

Einfluss

auf

Motivation

Einfluss auf

Performance

Ergänzungen zum

Einfluss auf

Motivation

Aufgaben 7 Mi (AMT) Aufgabenstellung so

verändern, dass das Abgeben

ungültiger Antworten ebenso

zeitintensiv ist wie gültiges

Antworten

n.a. + + vor Intervention:

n=58 TN, 210

Antworten, 48,6%

davon ungültig;

nach Intervention:

n=144 TN, 277

Antworten,

2,5% davon ungültig

9a Mi (AMT) Erhöhen des

Schwierigkeitsgrades

n.a. ‐ n.a.

9b n.a. + + n.a.

n.a. ‐ ‐ n.a.


12 Mi (AMT) n.a. + + n.a.

13a Mi n.a. n.a. + n.a.

13b Mi (AMT) n.a. 0

‐

n.a. n.a.

15 De (12designer) n.a. + ++ (53%)

+ (36%)

0 (10%)

n.a.


17 Mi (AMT) n.a. n.a. + (58%) n.a.

19 Mi (AMT) n.a. n.a. + n.a.

20 Mi (AMT) Bedeutsamkeit der Aufgabe

erhöhen

n.a. + 0

Lösung zur Aufgabe wird

verworfen

n.a. 0 ‐



Zufriedenheit

Crowd

Einfluss

auf

Motivation

Einfluss auf

Performance

Ergänzungen zum

Einfluss auf

Motivation

Weiterbildungsmöglichkeiten 1 De (jovoto), Te n.a. + + n.a.

2 Mi (AMT) n.a. n.a. + (4%) n.a.

3 Mi

Ma

De

Te

n.a. ~ (0,54)

+ (0,65)

~ (0,55)

+ (0,62)

n.a. n.a.

4 Mi (AMT) n.a. ‐ (wenige) + n.a.

5 Mi n.a. n.a. +

(schwach)

n.a.

15 De (12deisgner) n.a. n.a. ++ (55%)

+ (31%)

0 (14%)

n.a.


17 Mi (AMT) n.a. n.a. + (55%) n.a.


19 Mi (AMT) n.a. n.a. + n.a. motivierender Effekt

betrifft indische

Crowd Worker

Autonomie 4 Mi (AMT) n.a. + + n.a.

5 Mi n.a. n.a. ++ n.a.


12 Mi (AMT) n.a. + + n.a.

17 Mi (AMT) n.a. n.a. + (0,6) n.a.


Zusammenfassung der Ergebnisse

Tabelle 5 gibt eine Zusammenfassung der Ergebnisse der unterschiedlichen Studien für Microtask‐ und Design‐Plattformen. Je untersuchter Arbeitsbedingung

wird deren Wahrnehmung bzw. die Zufriedenheit damit dargestellt (Skala: ‐ unzufrieden, ~ mittelmäßig zufrieden, + zufrieden). Zusätzlich erfolgt, wo es möglich

ist, die Wertung des Einflusses der Arbeitsbedingung auf die Motivation der Crowd Worker (Skala: ‐ negativer Einfluss, 0 kein Einfluss, + positiver Einfluss, ++ stark

positiver Einfluss). Für Aussagen zu Marktplatz‐ und Testing‐Plattformen liegen keine ausreichenden Daten vor.

Tabelle 5: Zusammenfassung der Ergebnisse für Microtask‐ und Design‐Plattformen, n.a.= wurde nicht untersucht

Arbeitsbedingung Wahrnehmung/ Zufriedenheit

(Microtask‐Plattformen)

Einfluss auf Motivation

(Microtask‐Plattformen)

Wahrnehmung/ Zufriedenheit

(Design‐Plattformen)

Einfluss auf Motivation

(Design‐Plattformen)

Flexibilität + + + +

Wettbewerb n.a. 0 n.a. ‐

Vergütung ‐ + ~ +

Vorgaben + n.a. + +

Zukunftsaussichten ~ n.a. ~ +

Überwachungsmechanismen + n.a. + n.a.

äußere Rückmeldung:

Bewertungssysteme ~ + + +

Feedback n.a. + n.a. +

Wertschätzung + n.a. + +

Beziehungen + n.a. ~ n.a.

Aufgaben + + + +

Weiterbildungsmöglichkeiten ~ + + +

Autonomie + + n.a. +


Literaturverzeichnis Al‐Ani, A. & Stumpp, S. (2015). Motivationen und Durchsetzung von Interessen auf kommerziellen

Plattformen. Ergebnisse einer Umfrage unter Kreativ‐und IT‐Crowdworkern. HIIG Discussion Paper

Series (Nr. 5).

Aloisi, A. (2016). Commoditized Workers: Case Study Research on Labor Law Issues Arising from a Set

of on‐Demand/Gig Economy Platforms. Comparative Labor Law & Policy Journal, 37 (3), 653–690.

Verfügbar unter https://heinonline.org/HOL/Page?handle=hein.journals/cllpj37&div=40

Apt, W., Bovenschulte, M., Hartmann, E. & Wischmann, S. (2016). Foresight‐Studie "Digitale

Arbeitswelt" für das Bundesministerium für Arbeit und Soziales (Forschungsbericht /

Bundesministerium für Arbeit und Soziales, Bd. 463). Berlin.

Araujo, R. M. (2013). 99designs: An analysis of creative competition in crowdsourced design. In First

AAAI conference on Human computation and crowdsourcing .

Bertschek, I., Ohnemus, J. & Viete, S. (2015). Befragung zum sozioökonomischen Hintergrund und zu

den Motiven von Crowdworkern an das Bundesministerium für Arbeit und Soziales. Endbericht zur

Kurzexpertise. Berlin: ZEW‐Gutachten und Forschungsberichte.

Berufsverband Deutscher Psychologinnen und Psychologen e.V. Gesunde Arbeitsbedingungen: Was

Unternehmen tun können. Zugriff am 30.06.2017. Verfügbar unter http://www.bdp‐

verband.org/bdp/archiv/gesunde‐arbeit/BDP‐Broschuere‐04‐Gesunde‐ Arbeitsbedingungen.pdf

Blohm, I., Leimeister, J. M. & Zogaj, S. (2014). Crowdsourcing und Crowd Work. Ein Zukunftsmodell der

IT‐gestützten Arbeitsorganisation? In W. Brenner & T. Hess (Hrsg.), Wirtschaftsinformatik in

Wissenschaft und Praxis : Festschrift für Hubert Österle (S. 51–64). Berlin [u.a.]: Springer‐Gabler.

Borst, I. (2010). Understanding Crowdsourcing: Effects of motivation and rewards on participation and

performance in voluntary online activities (EPS‐2010‐221‐LIS).

Brabham, D. C. (2008a). Crowdsourcing as a model for problem solving: An introduction and cases.

Convergence, 14 (1), 75–90.

Brabham, D. C. (2008b). Moving the crowd at iStockphoto: The composition of the crowd and

motivations for participation in a crowdsourcing application. First monday, 13 (6).

Brabham, D. C. (2010). Moving the crowd at Threadless: Motivations for participation in a

crowdsourcing application. Information, Communication & Society, 13 (8), 1122–1145.

https://doi.org/10.1080/13691181003624090

Brabham, D. C. (2013). Crowdsourcing (The MIT Press essential knowledge series). Cambridge,

Massachusetts: The MIT Press.

Brady, E. & Bigham, J. P. (2015). Crowdsourcing accessibility: human‐powered access technologies.

Foundations and Trends® in Human–Computer Interaction, 8 (4), 273–372.

https://doi.org/10.1561/1100000050

Brewer, R., Morris, M. R. & Piper, A. M. (2016). Why would anybody do this? Older adults’

understanding of and experiences with crowd work. In Proceedings of the SIGCHI Conference on

Human Factors in Computing Systems, CHI .

Busshoff, H. (2016). Crowdworking: Ruf nach Regulierung. Gewerkschaftsspiegel. Köln.

Chandler, D. & Kapelner, A. (2013). Breaking Monotony with Meaning: Motivation in Crowdsourcing

Markets. Journal of Economic Behavior & Organization, 90, 123–133. Verfügbar unter

http://www.sciencedirect.com/science/journal/01672681

Deci, E. L. (1972). Intrinsic motivation, extrinsic reinforcement, and inequity. Journal of personality and

social psychology, 22 (1), 113–120.

Deci, E. L. & Ryan, R. M. (1993). Die Selbstbestimmungstheorie der Motivation und ihre Bedeutung für

die Pädagogik. Zeitschrift für Pädagogik, 39 (2), 223–238.


Deng, X. N. & Joshi, K. D. (2016). Why Individuals Participate in Micro‐task Crowdsourcing Work

Environment: Revealing Crowdworkers' Perceptions. Journal of the Association for Information

Systems, 17 (10), 648–673.

Deng, X. N., Joshi, K. D. & Galliers, R. D. (2016). The duality of empowerment and marginalization in

microtask crowdsourcing: Giving voice to the less powerful through value sensitive design. MIS

Quarterly, 40 (2), 279–302.

Estellés‐Arolas, E. & González‐Ladrón‐de‐Guevara, F. (2012). Towards an integrated crowdsourcing

definition. Journal of Information Science, 38 (2), 189–200.

Fan, J., Li, G., Ooi, B. C., Tan, K.‐l. & Feng, J. (2015). icrowd: An adaptive crowdsourcing framework. In

Proceedings of the 2015 ACM SIGMOD International Conference on Management of Data (S. 1015–

1030).

Felstiner, A. (2011). Working the Crowd: Employment and Labor Law in the Crowdsourcing Industry.

Berkeley Journal of Employment & Labor Law, 32 (1), 143–203.

Frey, B. S. & Jegen, R. (2001). Motivation crowding theory. Journal of economic surveys, 15 (5), 589–

611.

Gassmann, O. (2010). Crowdsourcing: Innovationsmanagement mit Schwarmintelligenz. [interaktiv

Ideen finden, kollektives Wissen effektiv nutzen, mit Fallbeispielen und Checklisten]. München:

Hanser.

Gegenhuber, T. (2013). Crowdsourcing: Aggregation and selection mechanisms and the impact of peer

contributions on contests (Schriften der Johannes‐Kepler‐Universität Linz, Reihe B, Wirtschafts‐ und

Sozialwissenschaften, vol. 150). Zugl.: Linz, Univ., Diplomarbeit, 2012. Linz: Trauner.

Hackman, J. R. & Lawler, E. E. (1971). Employee reactions to job characteristics. Journal of applied

psychology monograph, 55 (3), 259–286.

Hackman, J. R. & Oldham, G. R. (1975). Development of the Job Diagnostic Survey. Journal of Applied

Psychology, 60 (2), 159–170. https://doi.org/10.1037/h0076546

Hackman, J. R. & Oldham, G. R. (1976). Motivation through the design of work: Test of a theory.

Organizational behavior and human performance, 16 (2), 250–279.

Ho, C.‐J., Slivkins, A., Suri, S. & Wortman Vaughan, J. (2015). Incentivizing high quality crowdwork. In

International World Wide Web Conferences Steering Committee (Hrsg.), Proceedings of the 24th

International Conference on World Wide Web (S. 419–429).

Ipeirotis, P. G. (2008). Why people participate on Mechanical Turk, now tabulated. Zugriff am

08.08.2017. Verfügbar unter http://www.behind‐the‐enemy‐lines.com/2008/09/why‐people‐

participate‐on‐ mechanical.html

Irani, L. & Silberman, M. (2014). From critical design to critical infrastructure: lessons from turkopticon.

interactions, 21 (4), 32–35.

Kaganer, E., Carmel, E., Hirschheim, R. A. & Olsen, T. (2013). Managing the human cloud. MIT Sloan

Management Review, 54 (2), 23–32.

Kauffeld, S. & Schermuly, C. C. (2011). Arbeitszufriedenheit und Arbeitsmotivation. In S. Kauffeld

(Hrsg.), Arbeits‐, Organisations‐ und Personalpsychologie für Bachelor: (S. 179–194). Heidelberg:

Springer Medizin Verlag.

Kaufmann, N., Schulze, T. & Veit, D. (2011). More than fun and money. Worker Motivation in

Crowdsourcing‐A Study on Mechanical Turk. In Proceedings of the Seventeenth American

Conference on Information Systems (S. 1–11).

Kittur, A., Chi, E. H. & Suh, B. (2008). Crowdsourcing user studies with Mechanical Turk. In Proceedings

of the SIGCHI conference on human factors in computing systems (S. 453–456).

Kleemann, F., Voß, G. G. & Rieder, K. (2009). Crowdsourcing und der arbeitende Konsument.

Sozialwissenschaftlicher Fachinformationsdienst soFid (Industrie‐und Betriebssoziologie 2009/1),

9–23.


Klotz, U., Baumann, S. & Marfurt, K. (2016). Crowdworking‐Plattformen im Vergleich–Geschäftsmodell,

Arbeitsbedingungen und Qualitätssicherung. In T. Barton, F. Herrmann, V. G. Meister, C. Müller &

C. Seel (Hrsg.), Prozesse, Technologie, Anwendungen, Systeme und Management. Angewandte

Forschung in der Wirtschaftsinformatik (S. 55–64). Technische Hochschule Brandenburg.

Kuek, S. C., Paradi‐Guilford, C., Fayomi, T., Imaizumi, S., Ipeirotis, P., Pina, P. et al. (2015). The global

opportunity in online outsourcing.

Leimeister, J. M., Durward, D. & Zogaj, S. (2016). Crowd Worker in Deutschland. Eine empirische Studie

zum Arbeitsumfeld auf externen Crowdsourcing‐Plattformen (Study / Hans‐Böckler‐Stiftung Reihe

Praxiswissen Betriebsvereinbarungen). Düsseldorf: Hans‐Böckler‐Stiftung.

Leimeister, J. M., Huber, M., Bretschneider, U. & Krcmar, H. (2009). Leveraging crowdsourcing.

Activation‐supporting components for IT‐based ideas competition. Journal of management

information systems : JMIS, 26 (1), 197–224.

Leimeister, J. M. & Zogaj, S. (Hrsg.). (2013). Neue Arbeitsorganisation durch Crowdsourcing

(Arbeitspapier / Hans‐Böckler‐Stiftung Arbeit und Soziales, Bd. 287). Düsseldorf: Hans‐Böckler‐

Stiftung.

Leimeister, J. M., Zogaj, S. & Blohm, I. (2014). Crowdwork‐digitale Wertschöpfung in der Wolke:

Grundlagen, Formen und aktueller Forschungsstand. In C. Benner (Hrsg.), Crowdwork ‐ Zurück in die

Zukunft? Perspektiven digitaler Arbeit (S. 9–41). Frankfurt am Main: Bund‐Verlag.

Leimeister, J. M., Zogaj, S., Durward, D. & Blohm, I. (2016). Systematisierung und Analyse von Crowd‐

Sourcing‐Anbietern und Crowd‐Work‐Projekten (Reihe Praxiswissen Betriebsvereinbarungen, Nr.

324). Düsseldorf: Hans‐Böckler‐Stiftung.

Litman, L., Robinson, J. & Rosenzweig, C. (2015). The relationship between motivation, monetary

compensation, and data quality among US‐ and India‐based workers on Mechanical Turk. Behavior

Research Methods, 47 (2), 519–528.

Liu, S., Xia, F., Zhang, J. & Wang, L. (2016). How crowdsourcing risks affect performance: an exploratory

model. Management Decision, 54 (9), 2235–2255.

Mason, W. & Watts, D. J. (2009). Financial incentives and the performance of crowds. In Proceedings

of the ACM SIGKDD workshop on human computation (S. 77–85).

Missling, E. (2011). Was motiviert die Crowd? Zugriff am 14.08.2017. Verfügbar unter

http://www.crowdsourcingblog.de/blog/2011/07/02/was‐motiviert‐die‐crowd

Morghen, S. (2012). Open innovation & ideas. In C. Pelzer, K. Wenzlaff & J. Eisfeld‐Reschke (Hrsg.),

Crowdsourcing Report 2012: Neue Digitale Arbeitswelten (S. 28–32). Berlin: epubli.

Mrass, V. & Peters, C. (2017). Crowdworking‐Plattformen in Deutschland. In J. M. Leimeister (Hrsg.),

Working Paper Series (Bd. 16, Bd. 16). Kassel.

Pelzer, C., Wenzlaff, K. & Eisfeld‐Reschke, J. (Hrsg.). (2012). Crowdsourcing Report 2012: Neue Digitale

Arbeitswelten. Berlin: epubli.

Pelzer, C. & Burgard‐Arp, N. (2017). Collaborative Economy und Crowd Entrepreneurship.

Kollaboration, neue Selbstbestimmtheit und neue Business‐Modelle. In H. Pechlaner & X.‐I.‐ Poppe

(Hrsg.), Crowd Entrepreneurship: das Gründungsgeschehen im Wandel (S. 119–137). Wiesbaden:

Springer Gabler.

Rogstadius, J., Kostakos, V., Kittur, A., Smus, B., Laredo, J. & Vukovic, M. (2011). An assessment of

intrinsic and extrinsic motivation on task performance in crowdsourcing markets. Proceedings of

the Fifth International AAAI Conference on Weblogs and Social Media, 321–328.

Roth, Y., Brabham, D. C. & Lemoine, J.‐F. (2015). Recruiting individuals to a crowdsourcing community:

Applying motivational categories to an Ad Copy Test. In F. J. Garrigos‐Simon, I. Gil‐Pechuán & S.

Estelles‐Miguel (Hrsg.), Advances in crowdsourcing (S. 15–32). Springer International Publishing

Switzerland.


Silberman, M., Irani, L. & Ross, J. (2010). Ethics and tactics of professional crowdwork. Paid crowd

workers are not just an API call ‐ but all too often, they are treated like one. XRDS: Crossroads, The

ACM Magazine for Students, 17 (2), 39–43.

Statistisches Bundesamt 2017. Normalarbeitsverhältnis. Zugriff am 27.07.2017. Verfügbar unter

https://www.destatis.de/DE/ZahlenFakten/GesamtwirtschaftUmwelt/Arbeitsmarkt/Method

en/Normalarbeitsverhaeltnis.html

Testbirds GmbH 2017. Code of Conduct: Grundsätze für bezahltes Crowdsourcing / Crowdworking.

Leitfaden für eine gewinnbringende und faire Zusammenarbeit zwischen Crowdsourcing‐

Unternehmen und Crowdworkern. Zugriff am 19.08.2017. Verfügbar unter

http://www.crowdsourcing‐code.de/

Turner, A. N. & Lawrence, P. R. (1965). Industrial jobs and the worker. An investigation of response to

task attributes. Boston: Harvard Univ. Div. of Research.

Yin, M., Chen, Y. & Sun, Y.‐A. (2013). The Effects of Performance‐Contingent Financial Incentives in

Online Labor Markets. In Proceedings of the Twenty‐Seventh AAAI Conference on Artificial

Intelligence (S. 1191–1197).

Zheng, H., Li, D. & Hou, W. (2011). Task design, motivation, and participation in crowdsourcing

contests. International Journal of Electronic Commerce, 15 (4), 57–88.

Crowdworking: Einflüsse der Arbeitsbedingungen auf die ... · übernehmen. Die Gruppe von...

Documents

Transcript of Crowdworking: Einflüsse der Arbeitsbedingungen auf die ... · übernehmen. Die Gruppe von...